Fig. 1  Layout of spillway tunnel

Experimental study and numerical simulation of hydraulic characteristics of ogee spillway tunnel

WU Jingxia1
, ZHANG Chunjin2,3
(1. Xi’an Water Conservancy Survey Design Institute, Xi’an  710054, Shaanxi, China; 2. Key Laboratory of
Yellow River Sediment Research, M. W. R. , Yellow River Institute of Hydraulic Research, Zhengzhou 
450003, Henan, China; 3. State Key Laboratory of Hydrology-Water Resources and Hydraulic
Engineering, Hohai University, Nanjing  210098, Jiangsu, China)

수치 시뮬레이션을 통해 오지 여수로 터널의 수리적 특성 연구의 타당성을 탐색하기 위해 황하 Xiaolangdi 수질 관리 프로젝트의 2번 오지 여수로 터널을 연구 대상으로 취한 다음 오지의 수리 특성 설계 및 점검 홍수 수준 조건에서 여수로 터널은 RNG k-ε 난류 모델을 사용하여 배출 용량, 터널 크라운 잔류 공간, 단면 유속, 압전 수두, 유동 캐비테이션 수, 제트 흐름 범위 및 1 ∶ 40의 일반 수리 모델과 결합된 세굴 구덩이 깊이, 시뮬레이션 값과 실험 값 모두 비교됩니다.

연구결과 모의실험값이 실험값과 일치하여 오지 여수로터널의 수리적 특성을 수치모사를 통해 탐색할 수 있음을 확인하였다. 여수로터널 내부의 흐름은 안정적이고 터널 크라운 잔류 공간은 개방 흐름과 완전 흐름의 교대 흐름 패턴이 없는 25% 이상입니다.

체크 홍수 수위에서 시뮬레이션 값과 유량 계수의 실험 값은 모두 설계에서보다 높으므로 배출 용량은 홍수 제어 관련 설계 요구 사항을 충족할 수 있습니다. 오지 단면과 플립 단면의 유동 캐비테이션 수는 캐비테이션 손상이 발생할 가능성이 작기 때문에 캐비테이션 침식을 줄이기 위한 적절한 적절한 조치가 채택될 필요가 있습니다.

유압 모델의 고르지 않은 표면에 부압이 발생하면 표면 구조에 관련주의를 기울일 필요가 있습니다. 연구 결과는 여수로 터널의 설계 및 건설에 대한 관련 참고 및 이론적 근거를 제공할 수 있습니다.

Keywords

Xiaolangdi Water Control Project; ogee spillway tunnel; simulative calculation; hydraulic characteristics; turbulent
model

Fig. 1  Layout of spillway tunnel
Fig. 1  Layout of spillway tunnel
Fig. 4  Hydraulic modeling
Fig. 4  Hydraulic modeling
Fig. 6  Sectional surface profile distributions
Fig. 6  Sectional surface profile distributions
Fig. 7  Comparison between simulated results and experimental results for flow velocity of section-cross
Fig. 7  Comparison between simulated results and experimental results for flow velocity of section-cross

参考文献(References)

[1]  谢省宗, 吴一红, 陈文学. 我国高坝泄洪消能新技术的研究和创
新[J]. 水利学报, 2016, 47(3): 324-336.
XIE Shengzong, WU Yihong, CHEN Wenxue. New technology and
innovation on flood discharge and energy dissipation of high dams in
China [J]. Journal of Hydraulic Engineering, 2016, 47( 3): 324-
336.
[2]  刘嘉夫, 齐昕. 龙抬头水电站泄洪洞水力特性研究[ J]. 水利水
电技术, 2019, 50(2): 139-143.
LIU Jiafu, QI Xin. Study on hydraulic characteristics of ogee spillway
tunnel of hydropower station [ J]. Water Resources and Hydropower
Engineering, 2019, 50(2): 139-143.
[3]  范灵, 张宏伟, 刘之平, 等. 明流泄洪洞布置形式对水力特性影
响的数值研究[J]. 水力发电学报, 2009, 28(3): 126-131.
FAN Ling, ZHANG Hongwei, LIU Zhiping, et al. Numerical study
on hydraulic characteristic of free surface flow in spillway tunnel with
different configuration [ J ]. Journal of Hydroelectric Engineering,
2009, 28(3): 126-131.
[4]  张春晋, 李永业, 孙西欢. 明流泄洪洞水力特性的二维数值模拟
与试验研究[J]. 长江科学院院报, 2016, 33(1): 54-60.
ZHANG Chunjin, LI Yongye, SUN Xihuan. Two-dimensional numerical simulation and experimental research of hydraulic characteristics
in spillway tunnel with free water surface [ J]. Journal of Yangtze
River Scientific Research Institute, 2016, 33(1): 54-60.
[5]  徐国宾, 章环境, 刘昉, 等. 龙抬头泄洪洞水力特性的数值模拟
[J]. 长江科学院院报, 2015, 32(1): 84-87.
XU Guobin, ZHANG Huanjing, LIU Fang, et al. Numerical simulation on hydraulic characteristic of high head ogee spillway tunnel [J].
Journal of Yangtze River Scientific Research Institute, 2015, 32(1):
84-87.
[6]  陈瑞华, 杨吉健, 马麟, 等. 小湾水电站泄洪洞洞身数值模拟
[J]. 排灌机械工程学报, 2017, 35(6): 488-494.
CHEN Ruihua, YANG Jijian, MA Lin, et al. Numerical simulation
of tunnel of Xiaowan Hydropower Station [ J]. Journal of Drainage
and Irrigation Machinery Engineering, 2017, 35(6): 488-494.
[7]  翟保林, 刘亚坤. 高水头明流泄洪洞三维数值模拟[ J]. 水利与
建筑工程学报, 2017, 15(3): 31-34.
ZHAI Baolin, LIU Yakun. 3-D Numerical simulation of high water
head spillway tunnel with free surface [ J ]. Journal of Water
Resources and Architectural Engineering, 2017, 15(3): 31-34.
[8]  姜 攀, 尹进步, 何武全, 等. 有压泄洪洞弯道压力特性数值模拟
与试验研究[J]. 水力发电, 2016, 42(2): 49-53.
JIANG Pan, YIN Jinbu, HE Wuquan, et al. Numerical simulation
and experimental research on pressure characteristic of curved section
of pressure spillway tunnel [J]. Water Power, 2016, 42(2): 49-53.
[9]  邓 军, 许唯临, 雷军, 等. 高水头岸边泄洪洞水力特性的数值模
拟[J]. 水利学报, 2005(10): 1209-1212.
DENG Jun, XU Weilin, LEI Jun, et al. Numerical simulation of
hydraulic characteristics of high head spillway tunnel [J]. Journal of
Hydraulic Engineering, 2005(10): 1209-1212.
[10] 史晓薇, 王长新, 李琳. 高流速泄洪隧洞水力特性的三维数值模
拟[J]. 新疆农业大学学报, 2015, 38(6): 495-501.
SHI Xiaowei, WANG Changxin, LI Lin. Three dimensional numerical
simulation of hydraulic characteristics of spillway tunnel with high flow
velocity [ J]. Journal of Xinjiang Agricultural University, 2015, 38
(6): 495-501.
[11] 叶茂, 伍平, 王波, 等. 泄洪洞掺气水流的数值模拟研究[J]. 水
力发电学报, 2014, 33(4): 105-110.
YE Mao, WU Ping, WANG Bo, et al. Numerical simulation of
aerated flow in hydraulic tunnel [ J ]. Journal of Hydroelectric
Engineering, 2014, 33(4): 105-110.
[12] 胡涛, 王均星, 杜少磊. 大流量泄洪洞掺气坎水力特性数值模拟
[J]. 武汉大学学报(工学版), 2014, 47(5): 615-620.
HU Tao, WANG Junxing, DU Shaolei. Numerical simulation of
hydraulic characteristics of aerators in spillway tunnel with large
discharge [J]. Engineering Journal of Wuhan University, 2014, 47
(5): 615-620.
[13] 孙鹏飞, 姜哲, 崔维成, 等. 基于 CFD 的全海深载人潜水器直航
阻力性能研究[J]. 中国造船, 2019, 60(2): 77-87.
SUN Pengfei, JIANG Zhe, CUI Weicheng, et al. Numerical simulation of a full ocean depth manned submersible based on CFD method
[J]. Shipbuilding of China, 2019, 60(2): 77-87.
[14] 宛鹏翔, 范俊, 韩省思, 等. 冲击射流流动换热超大涡模拟研究
[J]. 推进技术, 2020, 41(10): 2237-2247.
WAN Pengxiang, FAN Jun, HAN Xingsi, et al. Very-large eddy
simulation of impinging jet flow and heat transfer [ J]. Journal of
Propulsion Technology, 2020, 41(10): 2237-2247.
[15] 李国杰, 黄萌, 陈斌. 基于 PISO 算法的非结构化网格 VOF 算法
[J]. 工程热物理学报, 2013, 34(3): 476-479.
LI Guojie, HUANG Meng, CHEN Bing. VOF method on unstructured
grid using PISO algorithm [ J]. Journal of Engineering Thermophysics, 2013, 34(3): 476-479.
[16] 董玮, 何庆南, 梁武科, 等. 双蜗壳离心泵泵腔轴向宽度与流动

DONG Wei, HE Qingnan, LIANG Wuke, et al. Relationship
between axial width and flow characteristics of pump chamber in
double volute centrifugal pump [ J ]. Journal of Northwestern
Polytechnical University, 2020, 38(6): 1322-1329.
[17] 陈恺, 张震宇, 王同光, 等. 基于 CFD 的水平轴风力机叶尖小翼
增功研究[J]. 太阳能学报, 2021, 42(1): 272-278.
CHEN Kai, ZHANG Zhenyu, WANG Tongguang, et al. CFD-Based
power enhancement of winglets for horizontal-axis wind turbines [ J].
Acta Energiae Solaris Sinica, 2021, 42(1): 272-278.
[18] 张志君, 金柱男, 辛相锦, 等. 基于 VOF 方法的湿式离合器润滑
油路 CFD 数值模拟[J]. 东北大学学报(自然科学版), 2020, 41
(5): 716-722.
ZHANG Zhijun, JIN Zhunan, XIN Xiangjin, et al. VOF method
based CFD numerical simulation for wet clutch lubricating oil passage
[ J]. Journal of Northeastern University (Natural Science), 2020, 41
(5): 716-722.
[19] 罗永钦, 刁明军, 何大明, 等. 高坝明流泄洪洞掺气减蚀三维数
值模拟分析[J]. 水科学进展, 2012, 23(1): 110-116.
LUO Yongqin, DIAO Mingjun, HE Daming, et al. Numerical simulation of aeration and cavitation in high dam spillway tunnels [ J].
Advances in Water Science, 2012, 23(1): 110-116.
[20] 许文海, 党彦, 李国栋, 等. 双洞式溢洪洞三维流动的数值模拟
[J]. 水力发电学报, 2007(1): 56-60.
XU Wenhai, DANG Yan, LI Guodong, et al. Three dimensional
numerical simulation of the bi-tunnel spillway flow [ J]. Journal of
Hydroelectric Engineering, 2007(1): 56-60.
[21] 李爱华, 王腾, 刘沛清. 溪洛渡坝区岩石河床冲刷过程数值模拟
[J]. 水力发电学报, 2012, 31(5): 154-158.
LI Aihua, WANG Teng, LIU Peiqing. Numerical simulation of rock
bed scour behind the dam of Xiluodu hydropower station [J]. Journal
of Hydroelectric Engineering, 2012, 31(5): 154-15

Probabilistic investigation of cavitation occurrence in chute spillway based on the results of Flow-3D numerical modeling

Flow-3D 수치 모델링 결과를 기반으로 하는 슈트 여수로의 캐비테이션 발생 확률적 조사

Probabilistic investigation of cavitation occurrence in chute spillway based on the results of Flow-3D numerical modeling

Amin Hasanalipour Shahrabadi1*, Mehdi Azhdary Moghaddam2

1-University of Sistan and Baluchestan،amin.h.shahrabadi@gmail.com

2-University of Sistan and Baluchestan،Mazhdary@eng.usb.ac.ir

Abstract

Probabilistic designation is a powerful tool in hydraulic engineering. The uncertainty caused by random phenomenon in hydraulic design may be important. Uncertainty can be expressed in terms of probability density function, confidence interval, or statistical torques such as standard deviation or coefficient of variation of random parameters. Controlling cavitation occurrence is one of the most important factors in chute spillways designing due to the flow’s high velocity and the negative pressure (Azhdary Moghaddam & Hasanalipour Shahrabadi, ۲۰۲۰). By increasing dam’s height, overflow velocity increases on the weir and threats the structure and it may cause structural failure due to cavitation (Chanson, ۲۰۱۳). Cavitation occurs when the fluid pressure reaches its vapor pressure. Since high velocity and low pressure can cause cavitation, aeration has been recognized as one of the best ways to deal with cavitation (Pettersson, ۲۰۱۲). This study, considering the extracted results from the Flow-۳D numerical model of the chute spillway of Darian dam, investigates the probability of cavitation occurrence and examines its reliability. Hydraulic uncertainty in the design of this hydraulic structure can be attributed to the uncertainty of the hydraulic performance analysis. Therefore, knowing about the uncertainty characteristics of hydraulic engineering systems for assessing their reliability seems necessary (Yen et al., ۱۹۹۳). Hence, designation and operation of hydraulic engineering systems are always subject to uncertainties and probable failures. The reliability, ps, of a hydraulic engineering system is defined as the probability of safety in which the resistance, R, of the system exceeds the load, L, as follows (Chen, ۲۰۱۵): p_s=P(L≤R) (۱) Where P(۰) is probability. The failure probability, p_f, is a reliability complement and is expressed as follows: p_f=P[(L>R)]=۱- p_s (۲) Reliability development based on analytical methods of engineering applications has come in many references (Tung & Mays, ۱۹۸۰ and Yen & Tung, ۱۹۹۳). Therefore, based on reliability, in a control method, the probability of cavitation occurrence in the chute spillway can be investigated. In reliability analysis, the probabilistic calculations must be expressed in terms of a limited conditional function, W(X)=W(X_L ,X_R)as follows: p_s=P[W(X_L ,X_R)≥۰]= P[W(X)≥۰] (۳) Where X is the vector of basic random variables in load and resistance functions. In the reliability analysis, if W(X)> ۰, the system will be secure and in the W(X) <۰ system will fail. Accordingly, the eliability index, β, is used, which is defined as the ratio of the mean value, μ_W, to standard deviation, σ_W, the limited conditional function W(X) is defined as follows (Cornell, ۱۹۶۹): β=μ_W/σ_W (۴) The present study was carried out using the obtained results from the model developed by ۱:۵۰ scale plexiglass at the Water Research Institute of Iran. In this laboratory model, which consists of an inlet channel and a convergent thrower chute spillway, two aerators in the form of deflector were used at the intervals of ۲۱۱ and ۲۷۰ at the beginning of chute, in order to cope with cavitation phenomenon during the chute. An air duct was also used for air inlet on the left and right walls of the spillway. To measure the effective parameters in cavitation, seven discharges have been passed through spillway. As the pressure and average velocity are determined, the values of the cavitation index are calculated and compared with the values of the critical cavitation index, σ_cr. At any point when σ≤σ_cr, there is a danger of corrosion in that range (Chanson, ۱۹۹۳). In order to obtain uncertainty and calculate the reliability index of cavitation occurrence during a chute, it is needed to extract the limited conditional function. Therefore, for a constant flow between two points of flow, there would be the Bernoulli (energy) relation as follows (Falvey, ۱۹۹۰): σ= ( P_atm/γ- P_V/γ+h cos⁡θ )/(〖V_۰〗^۲/۲g) (۵) Where P_atm is the atmospheric pressure, γ is the unit weight of the water volume, θ is the angle of the ramp to the horizon, r is the curvature radius of the vertical arc, and h cos⁡θ is the flow depth perpendicular to the floor. Therefore, the limited conditional function can be written as follows: W(X)=(P_atm/γ- P_V/γ+h cos⁡θ )/(〖V_۰〗^۲/۲g) -σ_cr (۶) Flow-۳D is a powerful software in fluid dynamics. One of the major capabilities of this software is to model free-surface flows using finite volume method for hydraulic analysis. The spillway was modeled in three modes, without using aerator, ramp aerator, and ramp combination with aeration duct as detailed in Flow-۳D software. For each of the mentioned modes, seven discharges were tested. According to Equation (۶), velocity and pressure play a decisive and important role in the cavitation occurrence phenomenon. Therefore, the reliability should be evaluated with FORM (First Order Reliable Method) based on the probability distribution functions For this purpose, the most suitable probability distribution function of random variables of velocity and pressure on a laboratory model was extracted in different sections using Easy fit software. Probability distribution function is also considered normal for the other variables in the limited conditional function. These values are estimated for the constant gravity at altitudes of ۵۰۰ to ۷۰۰۰ m above the sea level for the unit weight, and vapor pressure at ۵ to ۳۵° C. For the critical cavitation index variable, the standard deviation is considered as ۰.۰۱. According to the conducted tests, for the velocity random variable, GEV (Generalized Extreme Value) distribution function, and for the pressure random variable, Burr (۴P) distribution function were presented as the best distribution function. The important point is to not follow the normal distribution above the random variables. Therefore, in order to evaluate the reliability with the FORM method, according to the above distributions, they should be converted into normal variables based on the existing methods. To this end, the non-normal distributions are transformed into the normal distribution by the method of Rackwitz and Fiiessler so that the value of the cumulative distribution function is equivalent to the original abnormal distribution at the design point of x_(i*). This point has the least distance from the origin in the standardized space of the boundary plane or the same limited conditional function. The reliability index will be equal to ۰.۴۲۰۴ before installing the aerator. As a result, reliability, p_s, and failure probability, p_f, are ۰.۶۶۲۹ and ۰.۳۳۷۱, respectively. This number indicates a high percentage for cavitation occurrence. Therefore, the use of aerator is inevitable to prevent imminent damage from cavitation. To deal with cavitation as planned in the laboratory, two aerators with listed specifications are embedded in a location where the cavitation index is critical. In order to analyze the reliability of cavitation occurrence after the aerator installation, the steps of the Hasofer-Lind algorithm are repeated. The modeling of ramps was performed separately in Flow-۳D software in order to compare the performance of aeration ducts as well as the probability of failure between aeration by ramp and the combination of ramps and aeration ducts. Installing an aerator in combination with a ramp and aerator duct greatly reduces the probability of cavitation occurrence. By installing aerator, the probability of cavitation occurrence will decrease in to about ۴ %. However, in the case of aeration only through the ramp, the risk of failure is equal to ۱۰%.

확률적 지정은 수력 공학에서 강력한 도구입니다. 유압 설계에서 임의 현상으로 인한 불확실성이 중요할 수 있습니다. 불확실성은 확률 밀도 함수, 신뢰 구간 또는 표준 편차 또는 무작위 매개변수의 변동 계수와 같은 통계적 토크로 표현될 수 있습니다. 캐비테이션 발생을 제어하는 ​​것은 흐름의 높은 속도와 음압으로 인해 슈트 여수로 설계에서 가장 중요한 요소 중 하나입니다(Azhdary Moghaddam & Hasanalipour Shahrabadi, ۲۰۲۰). 댐의 높이를 높이면 둑의 범람속도가 증가하여 구조물을 위협하고 캐비테이션으로 인한 구조물의 파손을 유발할 수 있다(Chanson, ۲۰۱۳). 캐비테이션은 유체 압력이 증기압에 도달할 때 발생합니다. 높은 속도와 낮은 압력은 캐비테이션을 유발할 수 있으므로, 통기는 캐비테이션을 처리하는 가장 좋은 방법 중 하나로 인식되어 왔습니다(Pettersson, ۲۰۱۲). 본 연구에서는 Darian 댐의 슈트 여수로의 Flow-۳D 수치모델에서 추출된 결과를 고려하여 캐비테이션 발생 확률을 조사하고 그 신뢰성을 조사하였다. 이 수력구조의 설계에서 수력학적 불확실성은 수력성능 해석의 불확실성에 기인할 수 있다. 따라서 신뢰성을 평가하기 위해서는 수력공학 시스템의 불확도 특성에 대한 지식이 필요해 보인다(Yen et al., ۱۹۹۳). 따라서 수력 공학 시스템의 지정 및 작동은 항상 불확실성과 가능한 고장의 영향을 받습니다. 유압 공학 시스템의 신뢰성 ps는 저항 R, 시스템의 부하 L은 다음과 같이 초과됩니다(Chen, ۲۰۱۵): p_s=P(L≤R)(۱) 여기서 P(۰)은 확률입니다. 고장 확률 p_f는 신뢰도 보완이며 다음과 같이 표현됩니다. Mays, ۱۹۸۰ 및 Yen & Tung, ۱۹۹۳). 따라서 신뢰성을 기반으로 제어 방법에서 슈트 여수로의 캐비테이션 발생 확률을 조사할 수 있습니다. 신뢰도 분석에서 확률적 계산은 제한된 조건부 함수 W(X)=W(X_L , X_R)은 다음과 같습니다. p_s=P[W(X_L,X_R)≥۰]= P[W(X)≥۰] (۳) 여기서 X는 부하 및 저항 함수의 기본 랜덤 변수 벡터입니다. 신뢰도 분석에서 W(X)> ۰이면 시스템은 안전하고 W(X) <۰에서는 시스템이 실패합니다. 따라서 표준편차 σ_W에 대한 평균값 μ_W의 비율로 정의되는 신뢰도 지수 β가 사용되며, 제한된 조건부 함수 W(X)는 다음과 같이 정의됩니다(Cornell, ۱۹۶۹). β= μ_W/σ_W (۴) 본 연구는 이란 물연구소의 ۱:۵۰ scale plexiglass로 개발된 모델로부터 얻은 결과를 이용하여 수행하였다. 이 실험 모델에서, 입구 수로와 수렴형 투수 슈트 여수로로 구성되며 슈트 중 캐비테이션 현상에 대처하기 위해 슈트 초기에 ۲۱۱과 ۲۷۰ 간격으로 편향기 형태의 2개의 에어레이터를 사용하였다. 여수로 좌우 벽의 공기 유입구에도 공기 덕트가 사용되었습니다. 캐비테이션의 효과적인 매개변수를 측정하기 위해 7번의 배출이 방수로를 통과했습니다. 압력과 평균 속도가 결정되면 캐비테이션 지수 값이 계산되고 임계 캐비테이션 지수 σ_cr 값과 비교됩니다. σ≤σ_cr일 때 그 범위에서 부식의 위험이 있다(Chanson, ۱۹۹۳). 슈트 중 캐비테이션 발생의 불확실성을 구하고 신뢰도 지수를 계산하기 위해서는 제한된 조건부 함수를 추출할 필요가 있다. 따라서 두 지점 사이의 일정한 흐름에 대해 다음과 같은 Bernoulli(에너지) 관계가 있습니다(Falvey, ۱۹۹۰). σ= ( P_atm/γ- P_V/γ+h cos⁡θ )/(〖V_۰〗 ^۲/۲g) (۵) 여기서 P_atm은 대기압, γ는 물의 단위 중량, θ는 수평선에 대한 경사로의 각도, r은 수직 호의 곡률 반경, h cos⁡ θ는 바닥에 수직인 흐름 깊이입니다. 따라서 제한된 조건부 함수는 다음과 같이 쓸 수 있습니다. W(X)=(P_atm/γ- P_V/γ+h cos⁡θ )/(〖V_۰〗^۲/۲g) -σ_cr (۶) Flow-۳D는 유체 역학의 강력한 소프트웨어. 이 소프트웨어의 주요 기능 중 하나는 수리학적 해석을 위해 유한 체적 방법을 사용하여 자유 표면 흐름을 모델링하는 것입니다. 방수로는 Flow-۳D 소프트웨어에 자세히 설명된 바와 같이 폭기 장치, 램프 폭기 장치 및 폭기 덕트가 있는 램프 조합을 사용하지 않고 세 가지 모드로 모델링되었습니다. 언급된 각 모드에 대해 7개의 방전이 테스트되었습니다. 식 (۶)에 따르면 속도와 압력은 캐비테이션 발생 현상에 결정적이고 중요한 역할을 합니다. 따라서 확률분포함수에 기반한 FORM(First Order Reliable Method)으로 신뢰도를 평가해야 한다 이를 위해 실험실 모델에 대한 속도와 압력의 확률변수 중 가장 적합한 확률분포함수를 Easy fit을 이용하여 구간별로 추출하였다. 소프트웨어. 확률 분포 함수는 제한된 조건부 함수의 다른 변수에 대해서도 정상으로 간주됩니다. 이 값은 단위 중량의 경우 해발 ۵۰۰ ~ ۷۰۰۰ m 고도에서의 일정한 중력과 ۵ ~ ۳۵ ° C에서의 증기압으로 추정됩니다. 임계 캐비테이션 지수 변수의 표준 편차는 ۰.۰۱으로 간주됩니다. . 수행된 시험에 따르면 속도 확률변수는 GEV(Generalized Extreme Value) 분포함수로, 압력변수는 Burr(۴P) 분포함수가 가장 좋은 분포함수로 제시되었다. 중요한 점은 확률 변수 위의 정규 분포를 따르지 않는 것입니다. 따라서 FORM 방법으로 신뢰도를 평가하기 위해서는 위의 분포에 따라 기존 방법을 기반으로 정규 변수로 변환해야 합니다. 이를 위해, 비정규분포를 Rackwitz와 Fiiessler의 방법에 의해 정규분포로 변환하여 누적분포함수의 값이 x_(i*)의 설계점에서 원래의 비정상분포와 같도록 한다. 이 점은 경계면의 표준화된 공간 또는 동일한 제한된 조건부 함수에서 원점으로부터 최소 거리를 갖습니다. 신뢰성 지수는 폭기 장치를 설치하기 전의 ۰.۴۲۰۴과 같습니다. 그 결과 신뢰도 p_s와 고장확률 p_f는 각각 ۰.۶۶۲۹과 ۰.۳۳۷۱이다. 이 숫자는 캐비테이션 발생의 높은 비율을 나타냅니다. 따라서 캐비테이션으로 인한 즉각적인 손상을 방지하기 위해 폭기 장치의 사용이 불가피합니다. 실험실에서 계획한 대로 캐비테이션을 처리하기 위해, 나열된 사양을 가진 두 개의 폭기 장치는 캐비테이션 지수가 중요한 위치에 내장되어 있습니다. 폭기장치 설치 후 캐비테이션 발생의 신뢰성을 분석하기 위해 Hasofer-Lind 알고리즘의 단계를 반복합니다. 경사로의 모델링은 폭기 덕트의 성능과 경사로에 의한 폭기 및 경사로와 폭기 덕트의 조합 사이의 실패 확률을 비교하기 위해 Flow-۳D 소프트웨어에서 별도로 수행되었습니다. 경사로 및 ​​폭기 덕트와 함께 폭기 장치를 설치하면 캐비테이션 발생 가능성이 크게 줄어듭니다. 에어레이터를 설치하면 캐비테이션 발생 확률이 약 ۴%로 감소합니다. 그러나 램프를 통한 폭기의 경우 실패 위험은 ۱۰%와 같습니다. 폭기 설치 후 캐비테이션 발생의 신뢰성을 분석하기 위해 Hasofer-Lind 알고리즘의 단계를 반복합니다. 경사로의 모델링은 폭기 덕트의 성능과 경사로에 의한 폭기 및 경사로와 폭기 덕트의 조합 사이의 실패 확률을 비교하기 위해 Flow-۳D 소프트웨어에서 별도로 수행되었습니다. 경사로 및 ​​폭기 덕트와 함께 폭기 장치를 설치하면 캐비테이션 발생 가능성이 크게 줄어듭니다. 에어레이터를 설치하면 캐비테이션 발생 확률이 약 ۴%로 감소합니다. 그러나 램프를 통한 폭기의 경우 실패 위험은 ۱۰%와 같습니다. 폭기장치 설치 후 캐비테이션 발생의 신뢰성을 분석하기 위해 Hasofer-Lind 알고리즘의 단계를 반복합니다. 경사로의 모델링은 폭기 덕트의 성능과 경사로에 의한 폭기 및 경사로와 폭기 덕트의 조합 사이의 실패 확률을 비교하기 위해 Flow-۳D 소프트웨어에서 별도로 수행되었습니다. 경사로 및 ​​폭기 덕트와 함께 폭기 장치를 설치하면 캐비테이션 발생 가능성이 크게 줄어듭니다. 에어레이터를 설치하면 캐비테이션 발생 확률이 약 ۴%로 감소합니다. 그러나 램프를 통한 폭기의 경우 실패 위험은 ۱۰%와 같습니다. 경사로의 모델링은 폭기 덕트의 성능과 경사로에 의한 폭기 및 경사로와 폭기 덕트의 조합 사이의 실패 확률을 비교하기 위해 Flow-۳D 소프트웨어에서 별도로 수행되었습니다. 경사로 및 ​​폭기 덕트와 함께 폭기 장치를 설치하면 캐비테이션 발생 가능성이 크게 줄어듭니다. 에어레이터를 설치하면 캐비테이션 발생 확률이 약 ۴%로 감소합니다. 그러나 램프를 통한 폭기의 경우 실패 위험은 ۱۰%와 같습니다. 경사로의 모델링은 폭기 덕트의 성능과 경사로에 의한 폭기 및 경사로와 폭기 덕트의 조합 사이의 실패 확률을 비교하기 위해 Flow-۳D 소프트웨어에서 별도로 수행되었습니다. 경사로 및 ​​폭기 덕트와 함께 폭기 장치를 설치하면 캐비테이션 발생 가능성이 크게 줄어듭니다. 에어레이터를 설치하면 캐비테이션 발생 확률이 약 ۴%로 감소합니다. 그러나 램프를 통한 폭기의 경우 실패 위험은 ۱۰%와 같습니다. 에어레이터를 설치하면 캐비테이션 발생 확률이 약 ۴%로 감소합니다. 그러나 램프를 통한 폭기의 경우 실패 위험은 ۱۰%와 같습니다. 에어레이터를 설치하면 캐비테이션 발생 확률이 약 ۴%로 감소합니다. 그러나 램프를 통한 폭기의 경우 실패 위험은 ۱۰%와 같습니다.

Keywords

Aerator Probable Failure Reliability Method FORM Flow ۳D. 

A new dynamic masking technique for time resolved PIV analysis

A new dynamic masking technique for time resolved PIV analysis

시간 분해 PIV 분석을위한 새로운 동적 마스킹 기술

물체 가시성을 허용하기 위해 형광 코팅과 결합 된 새로운 프리웨어 레이 캐스팅 도구

Journal of Visualization ( 2021 ) 이 기사 인용

Abstract

Time resolved PIV encompassing moving and/or deformable objects interfering with the light source requires the employment of dynamic masking (DM). A few DM techniques have been recently developed, mainly in microfluidics and multiphase flows fields. Most of them require ad-hoc design of the experimental setup, and may spoil the accuracy of the resulting PIV analysis. A new DM technique is here presented which envisages, along with a dedicated masking algorithm, the employment of fluorescent coating to allow for accurate tracking of the object. We show results from measurements obtained through a validated PIV setup demonstrating the need to include a DM step even for objects featuring limited displacements. We compare the proposed algorithm with both a no-masking and a static masking solution. In the framework of developing low cost, flexible and accurate PIV setups, the proposed algorithm is made available through a freeware application able to generate masks to be used by an existing, freeware PIV analysis package.

광원을 방해하는 이동 또는 변형 가능한 물체를 포함하는 시간 해결 PIV는 동적 마스킹 (DM)을 사용해야 합니다. 주로 미세 유체 및 다상 흐름 분야에서 몇 가지 DM 기술이 최근 개발되었습니다. 대부분은 실험 설정의 임시 설계가 필요하며 결과 PIV 분석의 정확도를 떨어 뜨릴 수 있습니다. 여기에는 전용 마스킹 알고리즘과 함께 형광 코팅을 사용하여 물체를 정확하게 추적 할 수있는 새로운 DM 기술이 제시되어 있습니다. 제한된 변위를 특징으로 하는 물체에 대해서도 DM 단계를 포함해야 하는 필요성을 보여주는 검증 된 PIV 설정을 통해 얻은 측정 결과를 보여줍니다. 제안 된 알고리즘을 no-masking 및 static masking 솔루션과 비교합니다. 저비용, 유연하고 정확한 PIV 설정 개발 프레임 워크에서 제안 된 알고리즘은 기존 프리웨어 PIV 분석 패키지에서 사용할 마스크를 생성 할 수 있는 프리웨어 애플리케이션을 통해 사용할 수 있습니다.

Keywords

  • Time resolved PIV, Dynamics masking, Image processing, Vibration inducers, Fluorescent coating

그래픽 개요

소개

PIV (입자 영상 속도계)의 사용은 70 년대 후반 (Archbold 및 Ennos 1972 )이 반점 계측의 확장 (Barker and Fourney 1977 ) 으로 도입된 이래 실험 유체 역학에서 중심적인 역할을 했습니다 . PIV 기술의 기본 아이디어는 유체에 주입된 입자의 속도를 측정하여 유동장을 재구성하는 것입니다. 입자의 크기와 밀도는 확실하게 선택되고 유동을 만족스럽게 따르게 됩니다.

흐름은 레이저 / LED 소스를 통해 조명되고 입자에 의해 산란 된 빛은 추적을 허용합니다. 독자는 리뷰 작품 Grant ( 1997 ), Westerweel et al. ( 2013 년)에 대한 자세한 설명을 참조하십시오. 기본 2D 기술은 고유한 설정으로 발전했으며, 가장 진보 된 것은 단일 / 다중 평면 입체 PIV (Prasad 2000 ) 및 체적 / 단층 PIV (Scarano 2013 )입니다. 광범위한 유동장의 비 침습적 측정이 필요한 산업 및 연구 응용 분야에서 광범위하게 사용되었습니다.

조사된 유동장이 단단한 서있는 경계의 영향을 받는 경우 정적 마스킹 (SM) 접근 방식을 사용하여 PIV 분석을 수행하는 영역에서 솔리드 객체와 그림자가 차지하는 영역을 빼기 위해 주의를 기울여야 합니다. 실제로 이러한 영역에서는 파종 입자를 식별 할 수 없으므로 유속 재구성을 수행 할 수 없습니다. 제대로 처리되지 않으면 이 마스킹 단계는 잘못된 예측으로 이어질 수 있으며, 불행히도 그림자 영역 경계의 근접성에 국한되지 않습니다.

PIV 기술은 획득 프레임 속도를 관심있는 시간 척도로 조정하여 정상 상태 또는 시간 변화 흐름에 적용 할 수 있습니다. 시간의 가변성이 고체 물체의 위치 / 모양과 관련된 경우 이미지를 동적으로 마스킹하기 위해 추가 노력이 필요합니다. 고체 물체뿐만 아니라 다른 유체 단계도 가려야한다는 점에 유의해야합니다 (Foeth et al. 2006). 

이 프로세스는 고체 물체의 움직임이 선험적으로 알려진 경우 비교적 쉬우므로 SM 알고리즘에 대한 최소한의 수정이 목적에 부합 할 수 있습니다. 그러나 고체 물체의 위치 및 / 또는 모양이 알려지지 않은 방식으로 시간에 따라 변할 경우 물체를 동적으로 추적 할 수 있는 마스킹 기술이 필요합니다. PIV 분석을위한 동적 마스킹 (DM) 접근 방식은 현재 상당한 주목을 받고 있습니다 (Sanchis and Jensen 2011 , Masullo 및 Theunissen 2017 , Anders et al. 2019 ) . 시간 분해 PIV 시스템의 확산 덕분에 고속 카메라의 가용성이 높아집니다. 

DM 기술의 주요 발전은 마이크로 PIV 분야에서 비롯됩니다 (Lindken et al. 2009) 마이크로 및 나노 스위 머 (Ergin et al. 2015 ) 및 다상 흐름 (Brücker 2000 , Khalitov 및 Longmire 2002 ) 주변의 유동장을 조사 하려면 정확하고 유연한 알고리즘이 필요합니다. DM 기술은 상용 PIV 분석 소프트웨어 패키지 (TSI Instruments 2014 , DantecDynamics 2018 )에 포함되어 있습니다. 최근 개발 (Vennemann 및 Rösgen 2020 )은 신경망 자동 마스킹 기술의 적용을 예상하지만, 네트워크를 훈련하려면 합성 데이터 세트를 생성해야합니다.

많은 알고리즘은 이미지 처리 기술을 사용하여 개체를 추적하며, 대부분 사용자는 획득 한 이미지에서 추적 할 개체를 강조 표시 할 수있는 임시 실험 설정을 개발해야합니다. 따라서 실험 설정의 설계는 알고리즘의 최종 정확도에 영향을줍니다.

몇 가지 해결책을 구상 할 수 있습니다. 다음에서는 간단한 2D PIV 설정을 참조하지만 대부분의 고려 사항은 더 복잡한 설정으로 확장 할 수 있습니다. PIV 설정에서 객체를 쉽고 정확하게 추적 할 수 있도록 렌더링하는 가장 간단한 방법은 일반적으로 PIV 레이저 시트에 대략 수직 인 카메라를 향한 반사를 최대화하는 방향을 가리키는 추가 광원을 사용하여 조명하는 것입니다. 이 순진한 솔루션과 관련된 주요 문제는 PIV의 ROI (관심 영역)를 비추 지 않고는 광원을 움직이는 물체에만 겨냥하는 것이 사실상 불가능하여 시딩에 의해 산란 된 레이저 광 사이의 명암비를 감소 시킨다는 것입니다. 입자와 어두운 배경.

카메라의 프레임 속도가 높을수록 센서에 닿는 빛의 양이 적다는 사실로 인해 상황이 가혹 해집니다. 고체 물체의 움직임과 유동 입자가 모두 사용 된 설정의 획득 속도에 비해 충분히 느리다면, 가능한 해결책은 레이저 펄스 쌍 사이에 단일 확산 광 샷을 삽입하는 것입니다 (반드시 대칭 삽입은 아님). 그리고 카메라 샷을 둘 모두에 동기화합니다. 각 레이저 커플에서 물체의 위치는 확산 광에 의해 생성 된 이전 샷과 다음 샷의 두 위치를 보간하여 결정될 수 있습니다. 이 접근 방식에는 레이저, 카메라 및 빛을 제어 할 수있는 동기화 장치가 필요합니다.

이 문제에 대한 해결책이 제안되었으며 유체 인터페이스 (Foeth et al. 2006 ; Dussol et al. 2016 ) 의 밝은 반사를 활용 하여 이미지에서 많은 양의 산란 레이저 광을 획득 할 수 있습니다. 고체 표면에는 효과를 높이기 위해 반사 코팅이 제공 될 수 있습니다. 그런 다음 물체는 비정상적으로 큰 입자로 식별되고 경계를 쉽게 추적 할 수 있습니다. 이 솔루션의 단점은 물체 표면에서 산란 된 빛이 레이저 시트에 있지 않은 많은 시딩 입자를 비추어 PIV 분석의 정확도를 점진적으로 저하 시킨다는 것입니다.

위의 접근 방식의 개선은 다른 파장 의 두 번째 동일 평면 레이저 시트 (Driscoll et al. 2003 )를 사용합니다. 첫 번째 레이저 파장을 중심으로 한 좁은 반사 대역. 전체 설정은 매우 비쌀 수 있습니다. 파장 방출의 차이를 이용하여 설정을 저렴하게 만들 수 있습니다. 서로 다른 필터가 장착 된 두 대의 카메라를 적용하면 인터페이스로부터의 반사와 독립적으로 형광 시드 입자를 식별 할 수 있습니다 (Pedocchi et al. 2008 ).

객체의 변위가 작을 때 기본 솔루션은 실제 시간에 따라 변하는 음영 영역에 가장 근접한 하나의 정적 마스크를 추출하는 것입니다. 일반적인 경험 법칙은 예상되는 음영 영역보다 약간 더 크게 마스크를 그려 분석에 포함 된 조명 영역의 양을 단순화하고 최소화하는 것 사이의 최상의 균형을 찾는 것입니다.

본 논문에서는 PIV 분석을위한 DM 문제에 대한 새로운 실험적 접근법을 제안합니다. 우리의 방법은 형광 페인팅을 사용하여 물체를 쉽게 추적 할 수 있도록 하는 기술과 시변 마스크를 생성 할 수있는 특정 오픈 소스 알고리즘을 포함합니다. 이 접근법은 레이저 광에 불투명 한 물체의 큰 변위를 허용함으로써 효과적인 것으로 입증되었습니다. 

우리의 방법인 NM (no-masking)과 SM (static masking) 접근 방식을 비교합니다. 우리의 접근 방식의 타당성을 입증하는 것 외에도 이 백서는 마스킹 단계가 정확한 결과를 얻기 위해 가장 중요하다는 것을 확인합니다. 실제로 물체의 변위가 무시할 수 없는 경우 DM에 대한 리조트는 필수이며 SM 접근 방식은 음영 처리 된 영역의 주변 환경에 국한되지 않는 부정확성을 유발합니다. 

논문의 구조는 다음과 같습니다. 먼저 형광 코팅 기술과 마스킹 소프트웨어를 설명하는 제안된 접근법의 근거를 소개합니다. 그런 다음 PIV 설정에 대한 설명 후 두 벤치 마크 사례를 통해 전체 PIV 체인 분석의 신뢰성을 평가합니다. 그런 다음 제안 된 DM 방법의 결과를 NM 및 SM 솔루션과 비교합니다. 마지막으로 몇 가지 결론이 도출됩니다.

행동 양식

제안 된 DM 기술은 PIV 분석을 위해 캡처 한 동일한 이미지에서 쉽고 정확한 추적 성을 허용하기 위해 움직이는 물체 표면의 형광 코팅을 구상합니다. 물체가 가시화되면 특정 알고리즘이 물체 추적을 수행하고 레이저 위치가 알려지면 (그림 1 참조  ) 음영 영역의 마스킹을 수행합니다.

형광 코팅

코팅은 구조적 매트릭스 에 시판되는 형광 분말 (fluorescein (Taniguchi and Lindsey 2018 ; Taniguchi et al. 2018 )) 의 분산액으로 구성됩니다 . 단단한 물체의 경우 매트릭스는 폴리 에스터 / 에폭시 (대상 재료와의 화학적 호환성에 따라) 투명 수지 일 수 있습니다. 변형 가능한 물체의 경우 매트릭스는 투명한 실리콘 고무로 만들 수 있습니다. 형광 코팅 된 물체는 실행 중에 지속적으로 빛을 방출하기 위해 실험 전에 충분히 오랫동안 조명을 비춰 야합니다. 우리는 4W LED 소스 (그림 2 에서 볼 수 있음)에 20 초 긴 노출이  실험 실행 (몇 초)의 짧은 기간 동안 일관된 형광 방출을 제공하기에 충분하다는 것을 발견했습니다.

우리 실험에서 물체와 입자 크기 사이의 상당한 차이를 감안할 때 전자를 식별하는 것은 간단합니다. 그림  3 은 씨 뿌리기 입자와 물체 모양이 서로 다른 세 번에 겹쳐진 모습을 보여줍니다 (색상은 다른 순간을 나타냄).

대신, 이러한 크기 기반 분류가 가능하지 않은 경우 입자와 물체의 파장을 분리해야합니다. 이러한 분리는 시드 입자에 의해 산란 된 빛과 현저하게 다른 파장에서 방출되는 형광 코팅을 선택하여 달성 할 수 있습니다. 또는 레이저에서 멀리 떨어진 대역에서 방출되는 형광 입자를 이용하는 것 (Pedocchi et al. 2008 ). 두 경우 모두 컬러 이미지 획득의 채널 분리 또는 멀티 카메라 설정의 애드혹 필터링은 물체 식별을 크게 촉진 할 수 있습니다. 우리의 경우에는 그러한 파장 분리를 달성 할 필요가 없습니다. 실제로 형광 코팅의 방출 스펙트럼의 피크는 540nm입니다 (Taniguchi and Lindsey 2018 ; Taniguchi et al. 2018), 사용 된 레이저의 532 nm에 매우 가깝습니다.

마스킹 소프트웨어

DM 용으로 개발 된 알고리즘 은 무료 PIV 분석 패키지 PIVlab (Thielicke 2020 , Thielicke 및 Stamhuis 2014 ) 과 함께 작동하도록 고안된 오픈 소스 프리웨어 GUI 기반 도구 (Prestininzi 및 Lombardi 2021 )입니다. 이것은 세 단계의 순차적 실행으로 구성됩니다 (그림 1 에서 a–b–c라고 함 ). 첫 번째 단계 (a)는 장면에서 레이저 위치를 찾는 데 사용됩니다 (즉, 소스의 좌표를 계산합니다. 장애물에 부딪히는 빛); 두 번째 항목 (b)은 개체 위치를 추적하고 각 프레임의 음영 영역을 계산합니다. 세 번째 항목 (c)은 추적 된 개체 영역과 음영 처리 된 개체 영역을 PIV 알고리즘을위한 단일 마스크로 병합합니다.

각 단계에 대한 자세한 내용은 다음과 같습니다.

  1. (ㅏ)레이저 위치는 프레임 (즉, 획득 한 프레임의 시야 (FOV)) 내에서 가시적 일 수도 있고 아닐 수도 있습니다. 전자의 경우 사용자는 GUI에서 레이저 소스를 클릭하여 찾기 만하면됩니다. 후자의 경우, 사용자는 음영 영역의 경계에 속하는 두 개의 세그먼트 (두 쌍의 점)를 그리도록 요청받습니다. 그러면 FOV 외부에있는 레이저 위치가 두 선의 교차점으로 계산됩니다. 세그먼트로 구성됩니다. 개체 그림자는 ROI 프레임 상자에 도달하는 것으로 간주됩니다.
  2. (비)레이저 위치가 알려지면 물체 추적은 다음과 같이 수행됩니다. 각 프레임의 하나의 채널 (이 경우 RGB 색상 공간이 사용되기 때문에 녹색 채널이지만 GUI는 선호하는 채널을 지정할 수 있음)은 다음과 같습니다. 로컬 적응 임계 값을 사용하여 이진화 됨 (Bradley and Roth 2007), 후자는 이웃 주변의 로컬 평균 강도를 사용하여 각 픽셀에 대해 계산됩니다. 그런 다음 입자와 물체로 구성된 이진 이미지가 영역으로 변환됩니다. 우리 실험에 존재하는 유일한 장애물은 모든 입자에 비해 더 큰 크기를 기준으로 식별됩니다. 다른 전략은 이전에 논의되었습니다. 그런 다음 장애물 영역의 경계 다각형은 사용자 정의 포인트 밀도로 결정됩니다. 여기에서는 그림자 결정을 위해 광선 투사 (RC) 접근 방식을 채택했습니다. RC는 컴퓨터 그래픽을 기반으로하는 “경 운송 모델링”의 틀에 속합니다. 수치 적으로 정확한 그림자를 제공하기 때문에 여기에서 선택됩니다. 정확도는 떨어지지 만 주로 RC의 계산 부하를 줄이는 것을 목표로하는 몇 가지 다른 방법이 개발되었습니다.2015 ), 여기서 간략히 회상합니다. 각 프레임 (명확성을 위해 여기에 색인화되지 않음)에 대해 광선아르 자형나는 j아르 자형나는제이레이저 위치 L 에서 i 번째 정점 으로 캐스트됩니다.피나는 j피나는제이의 J 오브젝트의 경계 다각형 일; 목표는피나는 j피나는제이 하위 집합에 속 ㅏ제이ㅏ제이 레이저에 의해 직접 조명되는 경계 정점의 피나는 j피나는제이 에 추가됩니다 ㅏ제이ㅏ제이 만약 아르 자형나는 j아르 자형나는제이 적어도 한쪽을 교차 에스k j에스케이제이( j 번째 개체 경계 다각형 의 모든면에 걸쳐있는 k )피나는 j피나는제이 (그것이 교차로 큐나는 j k큐나는제이케이 레이저 위치와 정점 사이에 있지 않습니다. 피나는 j피나는제이). 두 개의 광선, 즉ρ1ρ1 과 ρ2ρ2추가면을 가로 지르지 않는는 저장됩니다.
  3. (씨)일단 정점 세트, 즉 ㅏ제이ㅏ제이 레이저에 의해 직접 비춰지고 식별되었으며 ROI 프레임 상자의 음영 부분은 후자와 교차하여 결정됩니다. ρ1ρ1 과 ρ2ρ2. 두 교차점은 다음에 추가됩니다.ㅏ제이ㅏ제이. 점으로 둘러싸인 영역ㅏ제이ㅏ제이 마침내 마스크로 변환됩니다.

레이저 소스가 여러 개인 경우 각각에 RC 알고리즘을 적용해야하며 음영 영역의 결합이 수행됩니다. 레이 캐스팅 절차의 의사 코드는 Alg에보고됩니다. 1.

그림
그림 1
그림 1

DM 검증

이 섹션에서는 제안 된 DM으로 수행 된 PIV 측정과 두 가지 다른 접근 방식, 즉 no-masking (NM)과 static masking (SM) 간의 비교를 제시합니다.

그림 2
그림 2
그림 3
그림 3

실험 설정

진동 유도기 (VI)의 성능을 분석하기 위해 PIV 설정을 설계하고 현재 DM 기술을 개발했습니다 (Curatolo et al. 2019 , 2020 ). 후자는 비 맥동 ​​유체 흐름에서 역류에 배치 된 캔틸레버의 규칙적이고 넓은 진동을 유도 할 수있는 윙렛입니다. 이러한 VI는 캔틸레버의 끝에 장착되며 (그림 2 참조   ) 진동 운동의 어느 지점에서든 캔틸레버의 중립 구성을 향해 양력을 생성 할 수있는 두 개의 오목한 날개가 있습니다.

VI는 캔틸레버 표면에 장착 된 압전 패치를 사용하여 고정 유체 흐름에서 기계적 에너지 추출을 향상시킬 수 있습니다. 그림 2 에서 강조된 날개의 전체 측면 가장자리는  Sect에 설명 된 사양에 따라 형광 페인트로 코팅되어 있습니다. 2.1 . 실험은 Roma Tre University 공학부 수력 학 실험실의 자유 표면 채널에서 수행됩니다. 10.8cm 길이의 캔틸레버는 채널의 중심선에 배치되고 상류로 향하며 수직-세로 평면에서 진동합니다. 세라믹 페 로브 스카이 트 (PZT) 압전 패치 (7××캔틸레버의 윗면에는 Physik Instrumente (PI)에서 만든 3cm)가 부착되어 있습니다. 흐름 유도 진동 하에서 변형으로 인해 AC 전압 차이를 제공합니다. VI 왼쪽 날개의 수직 중앙면에있는 2D 속도 필드는 수제 수중 PIV 장비를 통해 얻었습니다.각주1 연속파, 저비용, 저전력 (150mW), 녹색 (532nm) 레이저 빔이 2mm 두께의 부채꼴 시트에 퍼집니다.120∘120∘그림 2 와 같이 VI의 한쪽 날개를 절반으로 교차 합니다. 물은 평균 직경이 100 인 폴리 아미드 입자로 시드됩니다.μμm 및 1016 Kg / m의 밀도삼삼. 레이저 소스는 VI의 15cm 위쪽 (자유 표면 아래 약 4cm)과 VI의 하류 5cm에 경사지게 배치됩니다.5∘5∘상류. 위의 설정은 주로 날개의 후류를 조사하기 위해 고안되었습니다. 날개의 상류면과 하류 부분의 일부는 레이저 시트에 직접 맞지 않습니다. 레이저 시트에 수직으로 촬영하는 고속 상용 카메라 (Sony RX100 M5)를 사용하여 동영상을 촬영합니다. 후자는 1920의 프레임 크기로 500fps의 높은 프레임 속도 모드로 기록됩니다.×× 1080px, 나중에 더 작은 655로 잘림 ××이미지 분석 중에 분석 할 850px ROI. 시간 해결, 프리웨어, 오픈 소스, MatLab 용 PIV 분석 도구가 사용됩니다 (Thielicke and Stamhuis 2014 ). 이 도구는 질의 영역 (IA) 변형 (우리의 경우 64×× 64, 32 ×× 32 및 26 ××26). 각 패스에서 각 IA의 경계와 모서리에서 추가 변위 정보를 얻기 위해 인접한 IA 사이에 50 %의 중첩이 허용됩니다. 첫 번째 통과 후, 입자 변위 정보가 보간되어 IA의 모든 픽셀의 변위를 도출하고 그에 따라 변형됩니다.

시딩 입자 수 밀도는 첫 번째 패스에서 IA 당 약 5입니다. Keane과 Adrian ( 1992 )에 따르면 이러한 밀도 값은 95 % 유효한 탐지 확률을 보장합니다. IA는 프레임 커플 내에서 입자의 충분한 영구성을 보장하기 위해 크기가 조정됩니다. 분석 된 유동 역학은 0.4 ~ 0.7m / s 범위의 유동 속도를 특징으로합니다. 따라서 입자는 권장 최소값 인 2 프레임 (Keane and Adrian 1992 ) 보다 큰 약 3-4 프레임의 세 번째 패스 IA에 나타납니다 .

PIV 체인 분석 평가

사용 된 PIV 알고리즘의 정확성은 이전에 문헌에서 광범위하게 평가되었습니다 (예 : Guérin et al. ( 2020 ), Vennemann and Rösgen ( 2020 ), Mohammadshahi et al. ( 2020 ), Narayan et al. ( 2020 )). 그러나 PIV 측정의 물리적 일관성을 보장하기 위해 두 가지 벤치 마크 사례가 여기에 나와 있습니다.

첫 번째는 Sect에 설명 된 동일한 PIV 설정을 통해 측정 된 세로 유속의 수직 프로파일을 비교합니다. 3.1 분석 기준 용액이있는 실험 채널에서. 후자는 플로팅 트레이서로 수행되는 PTV (입자 추적 속도계) 측정을 통해 보정되었습니다. 분석 속도 프로파일은 Eq. 1 (Keulegan 1938 ).u ( z) =유∗[5.75 로그(지δ) +8.5];유(지)=유∗[5.75로그⁡(지δ)+8.5];(1)

여기서 u 는 수평 유속 성분, z 는 수직 좌표,δδ 침대 거칠기 및 V∗V∗ 균일 한 흐름 공식에 의해 주어진 것으로 가정되는 마찰 속도, 즉 유∗= U/ C유∗=유/씨; U 는 깊이 평균 유속이고 C 는 다음 과 같이 주어진 마찰 계수입니다.씨= 5.75로그( 13.3에프R / δ)씨=5.75로그⁡(13.3에프아르 자형/δ), R = 0.2아르 자형=0.2 m은 유압 반경이고 에프= 0.92에프=0.92유한 폭 채널의 형상 계수. 그림  4 는 4 초의 시간 창에 걸쳐 순간 값을 평균화하여 얻은 분석 프로필과 PIV 측정 간의 비교를 보여줍니다. 국부적 인 변동은 대략 0.5 초의 시간 척도에서 진화하는 것으로 밝혀졌습니다. PTV 결과에 가장 적합하면 다음과 같은 값이 산출됩니다.δ= 1δ=1cm, 베드 거칠기의 경우 Eq. 1 , 실험 채널 침대 표면의 실제 조건과 호환됩니다. VI의 휴지 구성 위치에서 유속의 분석 값은 그림에서 검은 색 십자가로 표시됩니다. 비교는 놀라운 일치를 보여 주므로 실험 설정과 PIV 알고리즘의 조합이 분석 된 설정에 대해 신뢰할 수있는 것으로 간주 될 수 있음을 증명합니다.

두 번째 벤치 마크는 VI 뒷면에 재 부착 된 흐름의 양을 비교합니다. 실제로 이러한 장치의 높은 캠버를 고려할 때 흐름은 하류 표면에서 분리되어 결국 다시 연결됩니다. 첨부 흐름을 나타내는 표면의 양 (Curatolo 외. 발견 2020 ) 흥미로운 압전 패치 (즉, 효율이 큰 경우에 더 빠르게 진동이 유발되는 것이다)에서 VI의 효율과 상관된다. 여기에서는 PIV 분석을 통해 측정 된 진동의 상사 점에서 재 부착 된 흐름의 길이를 CFD (전산 유체 역학) 상용 코드 FLOW-3D® (Flow Science 2019 )로 예측 한 길이와 비교하여 RANS를 해결합니다. 결합 식 (비어 스톡스 레이놀즈 평균) 케이 -ϵϵ구조화 된 그리드의 난류 폐쇄 (시뮬레이션을 위해 1mm 간격이 선택됨). 다운 스트림 측면의 흐름은 이러한 높은 캠버 VI를 위해 여러 위치에서 분리 및 재 부착됩니다. 이 벤치 마크에서 비교 된 양은 VI의 앞쪽 가장자리와 가장 가까운 흐름 재 부착 위치 사이의 호 길이입니다. 그림 5를 참조  하면 CFD 모델에 의해 예측 된 호의 길이는 측정 된 호의 길이보다 10 % 더 큽니다. 이 작업에 제시된 DM 기술을 사용하는 PIV 분석은 물리적으로 건전한 측정을 제공하는 것으로 입증됩니다. 후류의 유체 역학에 대한 자세한 분석과 VI의 전반적인 효율성과의 상관 관계는 현재 진행 중이며 향후 작업의 대상이 될 것입니다.

그림 4
그림 4
그림 5
그림 5

결과

그림 6을 참조하여  순간 유속 장의 관점에서 세 가지 접근법의 결과를 비교합니다. 선택한 순간은 진동의 상사 점에 해당합니다.

제안 된 DM (그림 6 의 패널 a  )은 부드러운 유동장을 생성하여 후류에서 일관된 소용돌이 구조를 나타냅니다.

NM 접근법 (그림 6 의 패널 b1  )도 후류의 와류 구조를 정확하게 예측하지만 음영 영역에서 대부분 부정확 한 값을 산출합니다. 또한 비교에서 합리적인 기준을 추론 할 수 없기 때문에 획득 한 유동장 의 사후 필터링이 실현 가능하지 않다는 것이 분명합니다 . 실제로 유속은 그림 6 의 패널 c1에서 볼 수 있듯이 가장 큰 오류가 생성되는 위치에서도 “합리적인”크기를 갖습니다. , DM 및 NM 접근 방식으로 얻은 속도 필드 간의 차이가 표시됩니다. 더욱이 후류에서 발생하는 매우 불안정한 소용돌이 운동이 이러한 위치에 가깝게 이동하기 때문에 그럴듯한 흐름 방향을 가정하더라도 필터링 기준을 공식화 할 수 없습니다. 모델러가 그러한 부정확성을 알고 있었다하더라도 NM 접근법은 “합리적”이지만 여전히 날개의 내부 현과 그 바로 아래에있는 유동장의 대부분은 부정확합니다. 이러한 행동은 매우 오해의 소지가 있습니다.

그림 6 의 패널 b2는  SM 접근법으로 얻은 유속 장을 보여주고 패널 c2는 SM과 DM 접근법으로 얻은 결과 간의 차이를 보여줍니다. SM 접근법은 NM 대응 물에 비해 전반적으로 더 나은 정확도를 명확하게 보여 주지만, 이는 레이저 소스의 위치가 진동 중에 음영 영역이 많이 움직이지 않기 때문입니다 (그림 3 참조). 한 번의 진동 동안 VI가 경험 한 최대 변위를 육안으로 검사합니다. 즉, 분석 된 사례의 경우 정적 마스크를 그리기위한 중립 구성을 선택하면 NM 접근 방식보다 낮은 오류를 얻을 수 있습니다. 더 큰 물체 변위를 포함하는 실험 설정은 NM이 일관되게 더 정확해질 수 있기 때문에 NM보다 SM의 우월성은 일반화 될 수 없음을 강조하고 싶습니다.

그림  6 은 분석 된 접근법에 의해 생성 된 차이를 철저히 보여 주지만 결과에 대한보다 정량적 인 평가를 제공하기 위해 오류의 빈도 분포를 계산했습니다. 그림 7 에서 이러한 분포를  살펴보면 SM 접근법이 NM보다 전체적인 예측이 더 우수하고 SM 분포가 더 정점에 있음을 확인합니다. 그럼에도 불구하고 SM은 여전히 ​​비정상적인 강도의 스파이크를 생성합니다. 분포의 꼬리로 표시되는 이러한 값은 정적 마스크 범위의 과대 평가 (왼쪽 꼬리) 및 과소 평가 (오른쪽 꼬리)에 연결됩니다. 그러나 주파수의 크기는 고려되는 경우에 SM과 NM의 적용 가능성을 배제하여 DM에 대한 리조트를 의무적으로 만듭니다.

그림 6
그림 6
그림 7
그림 7

결론

이 작업에서는 PIV 분석 도구에 DM (Dynamic Masking) 모듈을 제공하기위한 새로운 실험 기법을 제시합니다. 동적 마스킹은 유체 흐름에 잠긴 불투명 이동 / 변형 가능한 물체를 포함하는 시간 해결 PIV 설정에서 필요한 단계입니다. 마스킹 알고리즘과 함께 형광 코팅을 사용하여 물체를 정확하게 추적 할 수 있습니다. 우리는 제안 된 DM과 두 가지 다른 접근 방식, 즉 no-masking (NM)과 static masking (SM)을 비교하여 자체적으로 설계된 저비용 PIV 설정을 통해 수행 된 측정을 제시합니다. 분석 된 유동 역학은 고체 물체의 제한된 변위를 포함하지만 정량적 비교는 DM 기술을 채택해야하는 필수 필요성을 보여줍니다. 여기에서 정확성이 입증 된 현재의 실험적 접근 방식은

메모

  1. 1.실험 데이터 세트는 PIV 분석의 복제를 허용하기 위해 요청시 제공됩니다.

참고 문헌

  1. Anders S, Noto D, Seilmayer M, Eckert S (2019) 스펙트럼 랜덤 마스킹 : 다상 흐름에서 piv를위한 새로운 동적 마스킹 기술. Experim 유체 60 (4) : 1–6 Google 학술 검색 
  2. Archbold E, Ennos A (1972) 이중 노출 레이저 사진에서 변위 측정. Optica Acta Int J Opt 19 (4) : 253–271 Google 학술 검색 
  3. Barker D, Fourney M (1977) 얼룩 패턴으로 유체 속도 측정. Opt Lett 1 (4) : 135–137 Google 학술 검색 
  4. Bradley D, Roth G (2007) 적분 이미지를 사용한 적응 형 임계 값. J 그래프 도구 12 (2) : 13–21 Google 학술 검색 
  5. Brücker C (2000) Piv의 다상 흐름. 입자 이미지 유속계 및 관련 기술, 강의 시리즈, p 1
  6. Case N (2015) 시력 및 조명. GitHub 저장소. https://github.com/ncase/sight-and-light
  7. Curatolo M, La Rosa M, Prestininzi P (2019) 바이 모르 프 압전 캔틸레버의 굽힘에서 평면 상태 가정의 타당성. J Intell Mater Syst Struct 30 (10) : 1508–1517 Google 학술 검색 
  8. Curatolo M, Lombardi V, Prestininzi P (2020) 얇은 압전 캔틸레버의 유동 유도 진동 향상 : 실험 분석. In : River Flow 2020— 유체 유압에 관한 국제 회의 절차
  9. DantecDynamics : DynamicStudio 6.4 (2018) https://www.dantecdynamics.com/dynamicstudio-6-4-release-with-new-dynamic-masking-add-on/
  10. Driscoll K, Sick V, Gray C (2003) 고밀도 연료 ​​스프레이에서 동시 공기 / 연료 위상 piv 측정. Experim 유체 35 (1) : 112–115 Google 학술 검색 
  11. Dussol D, Druault P, Mallat B, Delacroix S, Germain G (2016) 불안정한 인터페이스, 거품 및 움직이는 구조를 포함하는 piv 이미지에 대한 자동 동적 마스크 추출. Comptes Rendus Mécanique 344 (7) : 464–478 Google 학술 검색 
  12. Ergin F, Watz B, Wadhwa N (2015) 장거리 micropiv를 사용하여 작은 평영 수영 선수 주변의 픽셀 정확도 동적 마스킹 및 흐름 측정. 에서 : 입자 이미지 유속계 -PIV15에 관한 제 11 회 국제 심포지엄. 캘리포니아 주 산타 바바라, 9 월, 14 ~ 16 쪽
  13. Flow Science I (2019) FLOW-3D, 버전 12.0. 산타페, NM https://www.flow3d.com/
  14. Foeth EJ, Van Doorne C, Van Terwisga T, Wieneke B (2006) 시간은 3d 시트 캐비테이션의 piv 및 유동 시각화를 해결했습니다. Experim 유체 40 (4) : 503–513 Google 학술 검색 
  15. Grant I (1997) 입자 이미지 속도 측정 : 리뷰. Proc Inst Mech Eng CJ Mech Eng Sci 211 (1) : 55–76 Google 학술 검색 
  16. Guérin A, Derr J, Du Pont SC, Berhanu M (2020) 흐르는 물막에 의해 생성 된 Streamwise 용해 패턴. Phys Rev Lett 125 (19) : 194502 Google 학술 검색 
  17. Keane RD, Adrian RJ (1992) piv 이미지의 상호 상관 분석 이론. Appl Sci Res 49 (3) : 191–215 Google 학술 검색 
  18. Keulegan GH (1938) 열린 수로에서 난류의 법칙, vol. 21. 미국 표준 국 (National Bureau of Standards)
  19. Khalitov D, Longmire EK (2002) 2 개 매개 변수 위상 차별에 의한 동시 2 상 piv. Experim 유체 32 (2) : 252–268 Google 학술 검색 
  20. Lindken R, Rossi M, Große S, Westerweel J (2009) 미세 입자 영상 속도계 (piv) : 최근 개발, 응용 및 지침. 랩 칩 9 (17) : 2551–2567 Google 학술 검색 
  21. Masullo A, Theunissen R (2017) 픽셀 강도 통계를 기반으로 한 piv 이미지 분석을위한 자동화 된 마스크 생성. Experim 유체 58 (6) : 70 Google 학술 검색 
  22. Mohammadshahi S, Samsam-Khayani H, Cai T, Kim KC (2020) 수로에서 진동하는 제트의 흐름 특성과 열 전달에 대한 실험 및 수치 연구. Int J 열 유체 흐름 86 : 108701 Google 학술 검색 
  23. Narayan S, Moravec DB, Dallas AJ, Dutcher CS (2020) 4 채널 미세 유체 유체 역학 트랩에서 물방울 모양 이완. Phys Rev Fluids 5 (11) : 113603 Google 학술 검색 
  24. Pedocchi F, Martin JE, García MH (2008) 입자 이미지 속도계를 사용하는 대규모 실험을위한 저렴한 형광 입자. Experim 유체 45 (1) : 183–186 Google 학술 검색 
  25. Prasad AK (2000) 입체 입자 영상 유속계. Experim 유체 29 (2) : 103–116 Google 학술 검색 
  26. Prestininzi P, Lombardi V (2021) DM @ PIV. https://it.mathworks.com/matlabcentral/fileexchange/75398-dm-piv . MATLAB Central 파일 교환. 2021 년 5 월 6 일 확인
  27. Sanchis A, Jensen A (2011) 자유 표면 흐름에서 라돈 변환을 사용한 piv 이미지의 동적 마스킹. Experim 유체 51 (4) : 871–880 Google 학술 검색 
  28. Scarano F (2013) Tomographic piv : 원리와 실행. Meas Sci Technol 24 (1)
  29. Taniguchi M, Lindsey JS (2018) photochemcad에 사용하기위한> 300 개의 일반적인 화합물의 흡수 및 형광 스펙트럼 데이터베이스. Photochem Photobiol 94 (2) : 290–327 Google 학술 검색 
  30. Taniguchi M, Du H, Lindsey JS (2018) Photochemcad 3 : 다중 스펙트럼 데이터베이스를 사용한 광 물리 계산을위한 다양한 모듈. Photochem Photobiol 94 (2) : 277–289 Google 학술 검색 
  31. Thielicke W (2020) PIVlab (2020). https://www.mathworks.com/matlabcentral/fileexchange/27659-pivlab-particle-image-velocimetry-piv-tool . MATLAB Central 파일 교환. 5 월 8 일 확인
  32. Thielicke W, Stamhuis E (2014) PIVlab-matlab의 사용자 친화적이고 저렴하며 정확한 디지털 입자 이미지 속도계를 지향합니다. J Open Res Softw 2 (1)
  33. TSI Instruments (2014) PIV 이미지에 대한 동적 마스킹. TSI Incorporated 애플리케이션 노트 PIV-018
  34. Vennemann B, Rösgen T (2020) 컨볼 루션 오토 인코더를 사용하는 입자 이미지 속도 측정을위한 동적 마스킹 기술. Experim 유체 61 (7) : 1–11 Google 학술 검색 
  35. Westerweel J, Elsinga GE, Adrian RJ (2013) 복잡하고 난류 흐름에 대한 입자 이미지 유속계. Ann Rev Fluid Mech 45 (1) : 409–436. https://doi.org/10.1146/annurev-fluid-120710-101204MathSciNet  수학 Google 학술 검색 

참조 다운로드

자금

CRUI-CARE 계약에 따라 Università degli Studi Roma Tre가 제공하는 오픈 액세스 자금.

작가 정보

제휴

  1. 이탈리아 Roma, Università Roma Tre 공학과Valentina Lombardi, Michele La Rocca, Pietro Prestininzi

교신 저자

Valentina Lombardi에 대한 서신 .

추가 정보

발행인의 메모

Springer Nature는 출판 된지도 및 기관 소속의 관할권 주장과 관련하여 중립을 유지합니다.

오픈 액세스이 기사는 크리에이티브 커먼즈 저작자 표시 4.0 국제 라이선스에 따라 사용이 허가되었습니다.이 라이선스는 귀하가 원저자와 출처에 대해 적절한 크레딧을 제공하는 한 모든 매체 또는 형식으로 사용, 공유, 개작, 배포 및 복제를 허용합니다. 크리에이티브 커먼즈 라이센스에 대한 링크를 제공하고 변경 사항이 있는지 표시합니다. 이 기사의 이미지 또는 기타 제 3 자 자료는 자료에 대한 크레딧 라인에 달리 명시되지 않는 한 기사의 크리에이티브 커먼즈 라이선스에 포함됩니다. 자료가 기사의 크리에이티브 커먼즈 라이센스에 포함되어 있지 않고 의도 된 사용이 법적 규정에 의해 허용되지 않거나 허용 된 사용을 초과하는 경우 저작권 보유자로부터 직접 허가를 받아야합니다. 이 라이센스의 사본을 보려면 다음을 방문하십시오.http://creativecommons.org/licenses/by/4.0/ .

재판 및 허가

이 기사에 대해

CrossMark를 통해 통화 및 진위 확인

이 기사 인용

Lombardi, V., Rocca, ML & Prestininzi, P. 시간 분해 PIV 분석을위한 새로운 동적 마스킹 기술. J Vis (2021). https://doi.org/10.1007/s12650-021-00756-0

인용 다운로드

이 기사 공유

다음 링크를 공유하는 사람은 누구나이 콘텐츠를 읽을 수 있습니다.공유 가능한 링크 받기

Springer Nature SharedIt 콘텐츠 공유 이니셔티브 제공

키워드

  • 시간 해결 PIV
  • 역학 마스킹
  • 이미지 처리
  • 진동 유도제
  • 형광 코팅
The 3D computational domain model (50–18.6) slope change, and boundary condition for (50–30 slope change) model.

Numerical investigation of flow characteristics over stepped spillways

Güven, Aytaç
Mahmood, Ahmed Hussein
Water Supply (2021) 21 (3): 1344–1355.
https://doi.org/10.2166/ws.2020.283Article history

Abstract

Spillways are constructed to evacuate flood discharge safely so that a flood wave does not overtop the dam body. There are different types of spillways, with the ogee type being the conventional one. A stepped spillway is an example of a nonconventional spillway. The turbulent flow over a stepped spillway was studied numerically by using the Flow-3D package. Different fluid flow characteristics such as longitudinal flow velocity, temperature distribution, density and chemical concentration can be well simulated by Flow-3D. In this study, the influence of slope changes on flow characteristics such as air entrainment, velocity distribution and dynamic pressures distribution over a stepped spillway was modelled by Flow-3D. The results from the numerical model were compared with an experimental study done by others in the literature. Two models of a stepped spillway with different discharge for each model were simulated. The turbulent flow in the experimental model was simulated by the Renormalized Group (RNG) turbulence scheme in the numerical model. A good agreement was achieved between the numerical results and the observed ones, which are exhibited in terms of graphics and statistical tables.

배수로는 홍수가 댐 몸체 위로 넘치지 않도록 안전하게 홍수를 피할 수 있도록 건설되었습니다. 다른 유형의 배수로가 있으며, ogee 유형이 기존 유형입니다. 계단식 배수로는 비 전통적인 배수로의 예입니다. 계단식 배수로 위의 난류는 Flow-3D 패키지를 사용하여 수치적으로 연구되었습니다.

세로 유속, 온도 분포, 밀도 및 화학 농도와 같은 다양한 유체 흐름 특성은 Flow-3D로 잘 시뮬레이션 할 수 있습니다. 이 연구에서는 계단식 배수로에 대한 공기 혼입, 속도 분포 및 동적 압력 분포와 같은 유동 특성에 대한 경사 변화의 영향을 Flow-3D로 모델링 했습니다.

수치 모델의 결과는 문헌에서 다른 사람들이 수행한 실험 연구와 비교되었습니다. 각 모델에 대해 서로 다른 배출이 있는 계단식 배수로의 두 모델이 시뮬레이션되었습니다. 실험 모델의 난류 흐름은 수치 모델의 Renormalized Group (RNG) 난류 계획에 의해 시뮬레이션되었습니다. 수치 결과와 관찰 된 결과 사이에 좋은 일치가 이루어졌으며, 이는 그래픽 및 통계 테이블로 표시됩니다.

HIGHLIGHTS

ListenReadSpeaker webReader: Listen

  • A numerical model was developed for stepped spillways.
  • The turbulent flow was simulated by the Renormalized Group (RNG) model.
  • Both numerical and experimental results showed that flow characteristics are greatly affected by abrupt slope change on the steps.

Keyword

CFDnumerical modellingslope changestepped spillwayturbulent flow

INTRODUCTION

댐 구조는 물 보호가 생활의 핵심이기 때문에 물을 저장하거나 물을 운반하는 전 세계에서 가장 중요한 프로젝트입니다. 그리고 여수로는 댐의 가장 중요한 부분 중 하나로 분류됩니다. 홍수로 인한 파괴 나 피해로부터 댐을 보호하기 위해 여수로가 건설됩니다.

수력 발전, 항해, 레크리에이션 및 어업의 중요성을 감안할 때 댐 건설 및 홍수 통제는 전 세계적으로 매우 중요한 문제로 간주 될 수 있습니다. 많은 유형의 배수로가 있지만 가장 일반적인 유형은 다음과 같습니다 : ogee 배수로, 자유 낙하 배수로, 사이펀 배수로, 슈트 배수로, 측면 채널 배수로, 터널 배수로, 샤프트 배수로 및 계단식 배수로.

그리고 모든 여수로는 입구 채널, 제어 구조, 배출 캐리어 및 출구 채널의 네 가지 필수 구성 요소로 구성됩니다. 특히 롤러 압축 콘크리트 (RCC) 댐 건설 기술과 더 쉽고 빠르며 저렴한 건설 기술로 분류 된 계단식 배수로 건설과 관련하여 최근 수십 년 동안 많은 계단식 배수로가 건설되었습니다 (Chanson 2002; Felder & Chanson 2011).

계단식 배수로 구조는 캐비테이션 위험을 감소시키는 에너지 소산 속도를 증가시킵니다 (Boes & Hager 2003b). 계단식 배수로는 다양한 조건에서 더 매력적으로 만드는 장점이 있습니다.

계단식 배수로의 흐름 거동은 일반적으로 낮잠, 천이 및 스키밍 흐름 체제의 세 가지 다른 영역으로 분류됩니다 (Chanson 2002). 유속이 낮을 때 nappe 흐름 체제가 발생하고 자유 낙하하는 낮잠의 시퀀스로 특징 지워지는 반면, 스키밍 흐름 체제에서는 물이 외부 계단 가장자리 위의 유사 바닥에서 일관된 흐름으로 계단 위로 흐릅니다.

또한 주요 흐름에서 3 차원 재순환 소용돌이가 발생한다는 것도 분명합니다 (예 : Chanson 2002; Gonzalez & Chanson 2008). 계단 가장자리 근처의 의사 바닥에서 흐름의 방향은 가상 바닥과 가상으로 정렬됩니다. Takahashi & Ohtsu (2012)에 따르면, 스키밍 흐름 체제에서 주어진 유속에 대해 흐름은 계단 가장자리 근처의 수평 계단면에 영향을 미치고 슈트 경사가 감소하면 충돌 영역의 면적이 증가합니다. 전이 흐름 체제는 나페 흐름과 스키밍 흐름 체제 사이에서 발생합니다. 계단식 배수로를 설계 할 때 스키밍 흐름 체계를 고려해야합니다 (예 : Chanson 1994, Matos 2000, Chanson 2002, Boes & Hager 2003a).

CFD (Computational Fluid Dynamics), 즉 수력 공학의 수치 모델은 일반적으로 물리적 모델에 소요되는 총 비용과 시간을 줄여줍니다. 따라서 수치 모델은 실험 모델보다 빠르고 저렴한 것으로 분류되며 동시에 하나 이상의 목적으로 사용될 수도 있습니다. 사용 가능한 많은 CFD 소프트웨어 패키지가 있지만 가장 널리 사용되는 것은 FLOW-3D입니다. 이 연구에서는 Flow 3D 소프트웨어를 사용하여 유량이 서로 다른 두 모델에 대해 계단식 배수로에서 공기 농도, 속도 분포 및 동적 압력 분포를 시뮬레이션합니다.

Roshan et al. (2010)은 서로 다른 수의 계단 및 배출을 가진 계단식 배수로의 두 가지 물리적 모델에 대한 흐름 체제 및 에너지 소산 조사를 연구했습니다. 실험 모델의 기울기는 각각 19.2 %, 12 단계와 23 단계의 수입니다. 결과는 23 단계 물리적 모델에서 관찰 된 흐름 영역이 12 단계 모델보다 더 수용 가능한 것으로 간주되었음을 보여줍니다. 그러나 12 단계 모델의 에너지 손실은 23 단계 모델보다 더 많았습니다. 그리고 실험은 스키밍 흐름 체제에서 23 단계 모델의 에너지 소산이 12 단계 모델보다 약 12 ​​% 더 적다는 것을 관찰했습니다.

Ghaderi et al. (2020a)는 계단 크기와 유속이 다른 정련 매개 변수의 영향을 조사하기 위해 계단식 배수로에 대한 실험 연구를 수행했습니다. 그 결과, 흐름 체계가 냅페 흐름 체계에서 발생하는 최소 scouring 깊이와 같은 scouring 구멍 치수에 영향을 미친다는 것을 보여주었습니다. 또한 테일 워터 깊이와 계단 크기는 최대 scouring깊이에 대한 실제 매개 변수입니다. 테일 워터의 깊이를 6.31cm에서 8.54 및 11.82cm로 늘림으로써 수세 깊이가 각각 18.56 % 및 11.42 % 증가했습니다. 또한 이 증가하는 테일 워터 깊이는 scouring 길이를 각각 31.43 % 및 16.55 % 감소 시킵니다. 또한 유속을 높이면 Froude 수가 증가하고 흐름의 운동량이 증가하면 scouring이 촉진됩니다. 또한 결과는 중간의 scouring이 횡단면의 측벽보다 적다는 것을 나타냅니다. 계단식 배수로 하류의 최대 scouring 깊이를 예측 한 후 실험 결과와 비교하기 위한 실험식이 제안 되었습니다. 그리고 비교 결과 제안 된 공식은 각각 3.86 %와 9.31 %의 상대 오차와 최대 오차 내에서 scouring 깊이를 예측할 수 있음을 보여주었습니다.

Ghaderi et al. (2020b)는 사다리꼴 미로 모양 (TLS) 단계의 수치 조사를 했습니다. 결과는 이러한 유형의 배수로가 확대 비율 LT / Wt (LT는 총 가장자리 길이, Wt는 배수로의 폭)를 증가시키기 때문에 더 나은 성능을 갖는 것으로 관찰되었습니다. 또한 사다리꼴 미로 모양의 계단식 배수로는 더 큰 마찰 계수와 더 낮은 잔류 수두를 가지고 있습니다. 마찰 계수는 다양한 배율에 대해 0.79에서 1.33까지 다르며 평평한 계단식 배수로의 경우 대략 0.66과 같습니다. 또한 TLS 계단식 배수로에서 잔류 수두의 비율 (Hres / dc)은 약 2.89이고 평평한 계단식 배수로의 경우 약 4.32와 같습니다.

Shahheydari et al. (2015)는 Flow-3D 소프트웨어, RNG k-ε 모델 및 VOF (Volume of Fluid) 방법을 사용하여 배출 계수 및 에너지 소산과 같은 자유 표면 흐름의 프로파일을 연구하여 스키밍 흐름 체제에서 계단식 배수로에 대한 흐름을 조사했습니다. 실험 결과와 비교했습니다. 결과는 에너지 소산 율과 방전 계수율의 관계가 역으로 실험 모델의 결과와 잘 일치 함을 보여 주었다.

Mohammad Rezapour Tabari & Tavakoli (2016)는 계단 높이 (h), 계단 길이 (L), 계단 수 (Ns) 및 단위 폭의 방전 (q)과 같은 다양한 매개 변수가 계단식 에너지 ​​소산에 미치는 영향을 조사했습니다. 방수로. 그들은 해석에 FLOW-3D 소프트웨어를 사용하여 계단식 배수로에서 에너지 손실과 임계 흐름 깊이 사이의 관계를 평가했습니다. 또한 유동 난류에 사용되는 방정식과 표준 k-ɛ 모델을 풀기 위해 유한 체적 방법을 적용했습니다. 결과에 따르면 스텝 수가 증가하고 유량 배출량이 증가하면 에너지 손실이 감소합니다. 얻은 결과를 다른 연구와 비교하고 경험적, 수학적 조사를 수행하여 결국 합격 가능한 결과를 얻었습니다.

METHODOLOGY

ListenReadSpeaker webReader: ListenFor all numerical models the basic principle is very similar: a set of partial differential equations (PDE) present the physical problems. The flow of fluids (gas and liquid) are governed by the conservation laws of mass, momentum and energy. For Computational Fluid Dynamics (CFD), the PDE system is substituted by a set of algebraic equations which can be worked out by using numerical methods (Versteeg & Malalasekera 2007). Flow-3D uses the finite volume approach to solve the Reynolds Averaged Navier-Stokes (RANS) equation, by applying the technique of Fractional Area/Volume Obstacle Representation (FAVOR) to define an obstacle (Flow Science Inc. 2012). Equations (1) and (2) are RANS and continuity equations with FAVOR variables that are applied for incompressible flows.

formula

(1)

formula

(2)where  is the velocity in xi direction, t is the time,  is the fractional area open to flow in the subscript directions,  is the volume fraction of fluid in each cell, p is the hydrostatic pressure,  is the density, is the gravitational force in subscript directions and  is the Reynolds stresses.

Turbulence modelling is one of three key elements in CFD (Gunal 1996). There are many types of turbulence models, but the most common are Zero-equation models, One-equation models, Two-equation models, Reynolds Stress/Flux models and Algebraic Stress/Flux models. In FLOW-3D software, five turbulence models are available. The formulation used in the FLOW-3D software differs slightly from other formulations that includes the influence of the fractional areas/volumes of the FAVORTM method and generalizes the turbulence production (or decay) associated with buoyancy forces. The latter generalization, for example, includes buoyancy effects associated with non-inertial accelerations.

The available turbulence models in Flow-3D software are the Prandtl Mixing Length Model, the One-Equation Turbulent Energy Model, the Two-Equation Standard  Model, the Two-Equation Renormalization-Group (RNG) Model and large Eddy Simulation Model (Flow Science Inc. 2012).In this research the RNG model was selected because this model is more commonly used than other models in dealing with particles; moreover, it is more accurate to work with air entrainment and other particles. In general, the RNG model is classified as a more widely-used application than the standard k-ɛ model. And in particular, the RNG model is more accurate in flows that have strong shear regions than the standard k-ɛ model and it is defined to describe low intensity turbulent flows. For the turbulent dissipation  it solves an additional transport equation:

formula

(3)where CDIS1, CDIS2, and CDIS3 are dimensionless parameters and the user can modify them. The diffusion of dissipation, Diff ɛ, is

formula

(4)where uv and w are the x, y and z coordinates of the fluid velocity; ⁠, ⁠,  and ⁠, are FLOW-3D’s FAVORTM defined terms;  and  are turbulence due to shearing and buoyancy effects, respectively. R and  are related to the cylindrical coordinate system. The default values of RMTKE, CDIS1 and CNU differ, being 1.39, 1.42 and 0.085 respectively. And CDIS2 is calculated from turbulent production (⁠⁠) and turbulent kinetic energy (⁠⁠).The kinematic turbulent viscosity is the same in all turbulence transport models and is calculated from

formula

(5)where ⁠: is the turbulent kinematic viscosity.  is defined as the numerical challenge between the RNG and the two-equation k-ɛ models, found in the equation below. To avoid an unphysically large result for  in Equation (3), since this equation could produce a value for  very close to zero and also because the physical value of  may approach to zero in such cases, the value of  is calculated from the following equation:

formula

(6)where ⁠: the turbulent length scale.

VOF and FAVOR are classifications of volume-fraction methods. In these two methods, firstly the area should be subdivided into a control volume grid or a small element. Each flow parameter like velocity, temperature and pressure values within the element are computed for each element containing liquids. Generally, these values represent the volumetric average of values in the elements.Numerous methods have been used recently to solve free infinite boundaries in the various numerical simulations. VOF is an easy and powerful method created based on the concept of a fractional intensity of fluid. A significant number of studies have confirmed that this method is more flexible and efficient than others dealing with the configurations of a complex free boundary. By using VOF technology the Flow-3D free surface was modelled and first declared in Hirt & Nichols (1981). In the VOF method there are three ingredients: a planner to define the surface, an algorithm for tracking the surface as a net mediator moving over a computational grid, and application of the boundary conditions to the surface. Configurations of the fluids are defined in terms of VOF function, F (x, y, z, t) (Hirt & Nichols 1981). And this VOF function shows the volume of flow per unit volume

formula

(7)

formula

(8)

formula

(9)where  is the density of the fluid, is a turbulent diffusion term,  is a mass source,  is the fractional volume open to flow. The components of velocity (u, v, w) are in the direction of coordinates (x, y, z) or (r, ⁠).  in the x-direction is the fractional area open to flow,  and  are identical area fractions for flow in the y and z directions. The R coefficient is based on the selection of the coordinate system.

The FAVOR method is a different method and uses another volume fraction technique, which is only used to define the geometry, such as the volume of liquid in each cell used to determine the position of fluid surfaces. Another fractional volume can be used to define the solid surface. Then, this information is used to determine the boundary conditions of the wall that the flow should be adapted for.

Case study

ListenReadSpeaker webReader: Listen

In this study, the experimental results of Ostad Mirza (2016) was simulated. In a channel composed of two 4 m long modules, with a transparent sidewall of height 0.6 m and 0.5 m width. The upstream chute slope (i.e. pseudo-bottom angle) Ɵ1 = 50°, the downstream chute slope Ɵ2 = 30° or 18.6°, the step heights h = 0.06 m, the total number of steps along the 50° chute 41 steps, the total number of steps along the 30° chute 34 steps and the total number of steps along the 18.6° chute 20 steps.

The flume inflow tool contained a jetbox with a maximum opening set to 0.12 meters, designed for passing the maximum unit discharge of 0.48 m2/s. The measurements of the flow properties (i.e. air concentration and velocity) were computed perpendicular to the pseudo-bottom as shown in Figure 1 at the centre of twenty stream-wise cross-sections, along the stepped chute, (i.e. in five steps up on the slope change and fifteen steps down on the slope change, namely from step number −09 to +23 on 50°–30° slope change, or from −09 to +15 on 50°–18.6° slope change, respectively).

Sketch of the air concentration C and velocity V measured perpendicular to the pseudo-bottom used by Mirza (Ostad Mirza 2016).
Sketch of the air concentration C and velocity V measured perpendicular to the pseudo-bottom used by Mirza (Ostad Mirza 2016).

Sketch of the air concentration C and velocity V measured perpendicular to the pseudo-bottom used by Mirza (Ostad Mirza 2016).

Pressure sensors were arranged with the x/l values for different slope change as shown in Table 1, where x is the distance from the step edge, along the horizontal step face, and l is the length of the horizontal step face. The location of pressure sensors is shown in Table 1.Table 1

Location of pressure sensors on horizontal step faces

Θ(°)L(m)x/l (–)
50.0 0.050 0.35 0.64 – – – 
30.0 0.104 0.17 0.50 0.84 – – 
18.6 0.178 0.10 0.30 0.50 0.7 0.88 
Location of pressure sensors on horizontal step faces
Inlet boundary condition for Q = 0.235 m3/s and fluid elevation 4.21834 m.
Inlet boundary condition for Q = 0.235 m3/s and fluid elevation 4.21834 m.

Inlet boundary condition for Q = 0.235 m3/s and fluid elevation 4.21834 m.

Numerical model set-up

ListenReadSpeaker webReader: Listen

A 3D numerical model of hydraulic phenomena was simulated based on an experimental study by Ostad Mirza (2016). The water surcharge and flow pressure over the stepped spillway was computed for two models of a stepped spillway with different discharge for each model. In this study, the package was used to simulate the flow parameters such as air entrainment, velocity distribution and dynamic pressures. The solver uses the finite volume technique to discretize the computational domain. In every test run, one incompressible fluid flow with a free surface flow selected at 20̊ was used for this simulation model. Table 2 shows the variables used in test runs.Table 2

Variables used in test runs

Test no.Θ1 (°)Θ2 (°)h(m)d0q (m3s1)dc/h (–)
50 18.6 0.06 0.045 0.1 2.6 
50 18.6 0.06 0.082 0.235 4.6 
50 30.0 0.06 0.045 0.1 2.6 
50 30.0 0.06 0.082 0.235 4.6 
Table 2 Variables used in test runs

For stepped spillway simulation, several parameters should be specified to get accurate simulations, which is the scope of this research. Viscosity and turbulent, gravity and non-inertial reference frame, air entrainment, density evaluation and drift-flux should be activated for these simulations. There are five different choices in the ‘viscosity and turbulent’ option, in the viscosity flow and Renormalized Group (RNG) model. Then a dynamical model is selected as the second option, the ‘gravity and non-inertial reference frame’. Only the z-component was inputted as a negative 9.81 m/s2 and this value represents gravitational acceleration but in the same option the x and y components will be zero. Air entrainment is selected. Finally, in the drift-flux model, the density of phase one is input as (water) 1,000 kg/m3 and the density of phase two (air) as 1.225 kg/m3. Minimum volume fraction of phase one is input equal to 0.1 and maximum volume fraction of phase two to 1 to allow air concentration to reach 90%, then the option allowing gas to escape at free surface is selected, to obtain closer simulation.

The flow domain is divided into small regions relatively by the mesh in Flow-3D numerical model. Cells are the smallest part of the mesh, in which flow characteristics such as air concentration, velocity and dynamic pressure are calculated. The accuracy of the results and simulation time depends directly on the mesh block size so the cell size is very important. Orthogonal mesh was used in cartesian coordinate systems. A smaller cell size provides more accuracy for results, so we reduced the number of cells whilst including enough accuracy. In this study, the size of cells in x, y and z directions was selected as 0.015 m after several trials.

Figure 3 shows the 3D computational domain model 50–18.6 slope change, that is 6.0 m length, 0.50 m width and 4.23 m height. The 3D model of the computational domain model 50–30 slope changes this to 6.0 m length, 0.50 m width and 5.068 m height and the size of meshes in x, y, and z directions are 0.015 m. For the 50–18.6 slope change model: both total number of active and passive cells = 4,009,952, total number of active cells = 3,352,307, include real cells (used for solving the flow equations) = 3,316,269, open real cells = 3,316,269, fully blocked real cells equal to zero, external boundary cells were 36,038, inter-block boundary cells = 0 (Flow-3D report). For 50–30 slope change model: both total number of active and passive cells = 4,760,002, total number of active cells equal to 4,272,109, including real cells (used for solving the flow equations) were 3,990,878, open real cells = 3,990,878 fully blocked real cells = zero, external boundary cells were 281,231, inter-block boundary cells = 0 (Flow-3D report).

The 3D computational domain model (50–18.6) slope change, and boundary condition for (50–30 slope change) model.
Figure3 The 3D computational domain model (50–18.6) slope change, and boundary condition for (50–30 slope change) model.

Figure 3VIEW LARGEDOWNLOAD SLIDE

The 3D computational domain model (50–18.6) slope change, and boundary condition for (50–30 slope change) model.

When solving the Navier-Stokes equation and continuous equations, boundary conditions should be applied. The most important work of boundary conditions is to create flow conditions similar to physical status. The Flow-3D software has many types of boundary condition; each type can be used for the specific condition of the models. The boundary conditions in Flow-3D are symmetry, continuative, specific pressure, grid overlay, wave, wall, periodic, specific velocity, outflow, and volume flow rate.

There are two options to input finite flow rate in the Flow-3D software either for inlet discharge of the system or for the outlet discharge of the domain: specified velocity and volume flow rate. In this research, the X-minimum boundary condition, volume flow rate, has been chosen. For X-maximum boundary condition, outflow was selected because there is nothing to be calculated at the end of the flume. The volume flow rate and the elevation of surface water was set for Q = 0.1 and 0.235 m3/s respectively (Figure 2).

The bottom (Z-min) is prepared as a wall boundary condition and the top (Z-max) is computed as a pressure boundary condition, and for both (Y-min) and (Y-max) as symmetry.

RESULTS AND DISCUSSION

ListenReadSpeaker webReader: Listen

The air concentration distribution profiles in two models of stepped spillway were obtained at an acquisition time equal to 25 seconds in skimming flow for both upstream and downstream of a slope change 50°–18.6° and 50°–30° for different discharge as in Table 2, and as shown in Figure 4 for 50°–18.6° slope change and Figure 5 for 50°–30° slope change configuration for dc/h = 4.6. The simulation results of the air concentration are very close to the experimental results in all curves and fairly close to that predicted by the advection-diffusion model for the air bubbles suggested by Chanson (1997) on a constant sloping chute.

Figure 4 Experimental and simulated air concentration distribution for steps number −5, +1, +5, +8, +11 and +15 along the 50°–18.6° slope change for dc/h = 4.6. VIEW LARGEDOWNLOAD SLIDE Experimental and simulated air concentration distribution for steps number −5, +1, +5, +8, +11 and +15 along the 50°–18.6° slope change for dc/h = 4.6.
Figure 4 Experimental and simulated air concentration distribution for steps number −5, +1, +5, +8, +11 and +15 along the 50°–18.6° slope change for dc/h = 4.6. VIEW LARGEDOWNLOAD SLIDE Experimental and simulated air concentration distribution for steps number −5, +1, +5, +8, +11 and +15 along the 50°–18.6° slope change for dc/h = 4.6.

Figure 4VIEW LARGEDOWNLOAD SLIDE

Experimental and simulated air concentration distribution for steps number −5, +1, +5, +8, +11 and +15 along the 50°–18.6° slope change for dc/h = 4.6.

Figure5 Experimental and simulated air concentration distribution for steps number −5, +1, +5, +11, +19 and +22 along the 50°–30° slope change, for dc/h = 4.6.
Figure5 Experimental and simulated air concentration distribution for steps number −5, +1, +5, +11, +19 and +22 along the 50°–30° slope change, for dc/h = 4.6.

Figure 5VIEW LARGEDOWNLOAD SLIDE

Experimental and simulated air concentration distribution for steps number −5, +1, +5, +11, +19 and +22 along the 50°–30° slope change, for dc/h = 4.6.

Figure 6VIEW LARGEDOWNLOAD SLIDE

Figure 6 Experimental and simulated dimensionless velocity distribution for steps number −5, −1, +1, +5, +8, +11 and +15 along the 50°–18.6° slope change for dc/h = 2.6.
Figure 6 Experimental and simulated dimensionless velocity distribution for steps number −5, −1, +1, +5, +8, +11 and +15 along the 50°–18.6° slope change for dc/h = 2.6.

Experimental and simulated dimensionless velocity distribution for steps number −5, −1, +1, +5, +8, +11 and +15 along the 50°–18.6° slope change for dc/h = 2.6.

Figure 7 Experimental and simulated dimensionless velocity distribution for steps number −5, −1, +1, +5. +11, +15 and +22 along the 50°–30° slope change for dc/h = 2.6.
Figure 7 Experimental and simulated dimensionless velocity distribution for steps number −5, −1, +1, +5. +11, +15 and +22 along the 50°–30° slope change for dc/h = 2.6.

Figure 7VIEW LARGEDOWNLOAD SLIDE

Experimental and simulated dimensionless velocity distribution for steps number −5, −1, +1, +5. +11, +15 and +22 along the 50°–30° slope change for dc/h = 2.6.

But as is shown in all above mentioned figures it is clear that at the pseudo-bottom the CFD results of air concentration are less than experimental ones until the depth of water reaches a quarter of the total depth of water. Also the direction of the curves are parallel to each other when going up towards the surface water and are incorporated approximately near the surface water. For all curves, the cross-section is separate between upstream and downstream steps. Therefore the (-) sign for steps represents a step upstream of the slope change cross-section and the (+) sign represents a step downstream of the slope change cross-section.

The dimensionless velocity distribution (V/V90) profile was acquired at an acquisition time equal to 25 seconds in skimming flow of the upstream and downstream slope change for both 50°–18.6° and 50°–30° slope change. The simulation results are compared with the experimental ones showing that for all curves there is close similarity for each point between the observed and experimental results. The curves increase parallel to each other and they merge near at the surface water as shown in Figure 6 for slope change 50°–18.6° configuration and Figure 7 for slope change 50°–30° configuration. However, at step numbers +1 and +5 in Figure 7 there are few differences between the simulated and observed results, namely the simulation curves ascend regularly meaning the velocity increases regularly from the pseudo-bottom up to the surface water.

Figure 8 (50°–18.6° slope change) and Figure 9 (50°–30° slope change) compare the simulation results and the experimental results for the presented dimensionless dynamic pressure distribution for different points on the stepped spillway. The results show a good agreement with the experimental and numerical simulations in all curves. For some points, few discrepancies can be noted in pressure magnitudes between the simulated and the observed ones, but they are in the acceptable range. Although the experimental data do not completely agree with the simulated results, there is an overall agreement.

Figure 8 Comparison between simulated and experimental results for the dimensionless pressure for steps number  −1, −2, −3 and +1, +2 +3 and +20 on the horizontal step faces of 50°–18.6° slope change configuration, for dc/h = 4.6, x is the distance from the step edge.
Figure 8 Comparison between simulated and experimental results for the dimensionless pressure for steps number −1, −2, −3 and +1, +2 +3 and +20 on the horizontal step faces of 50°–18.6° slope change configuration, for dc/h = 4.6, x is the distance from the step edge.

Figure 8VIEW LARGEDOWNLOAD SLIDE

Comparison between simulated and experimental results for the dimensionless pressure for steps number −1, −2, −3 and +1, +2 +3 and +20 on the horizontal step faces of 50°–18.6° slope change configuration, for dc/h = 4.6, x is the distance from the step edge.

Figure 9 Comparison between simulated and experimental results for the dimensionless pressure for steps number  −1, −2, −3 and +1, +2 and +30, +31 on the horizontal step face of 50°–30° slope change configuration, for dc/h = 4.6, x is the distance from the step edge.
Figure 9 Comparison between simulated and experimental results for the dimensionless pressure for steps number −1, −2, −3 and +1, +2 and +30, +31 on the horizontal step face of 50°–30° slope change configuration, for dc/h = 4.6, x is the distance from the step edge.

Figure 9VIEW LARGEDOWNLOAD SLIDE

Comparison between simulated and experimental results for the dimensionless pressure for steps number −1, −2, −3 and +1, +2 and +30, +31 on the horizontal step face of 50°–30° slope change configuration, for dc/h = 4.6, x is the distance from the step edge.

The pressure profiles were acquired at an acquisition time equal to 70 seconds in skimming flow on 50°–18.6°, where p is the measured dynamic pressure, h is step height and ϒ is water specific weight. A negative sign for steps represents a step upstream of the slope change cross-section and a positive sign represents a step downstream of the slope change cross-section.

Figure 10 shows the experimental streamwise development of dimensionless pressure on the 50°–18.6° slope change for dc/h = 4.6, x/l = 0.35 on 50° sloping chute and x/l = 0.3 on 18.6° sloping chute compared with the numerical simulation. It is obvious from Figure 10 that the streamwise development of dimensionless pressure before slope change (steps number −1, −2 and −3) both of the experimental and simulated results are close to each other. However, it is clear that there is a little difference between the results of the streamwise development of dimensionless pressure at step numbers +1, +2 and +3. Moreover, from step number +3 to the end, the curves get close to each other.

Figure 10 Comparison between experimental and simulated results for the streamwise development of the dimensionless pressure on the 50°–18.6° slope change, for dc/h = 4.6, and x/l = 0.35 on 50° sloping chute and x/l = 0.3 on 18.6° sloping chute.
Figure 10 Comparison between experimental and simulated results for the streamwise development of the dimensionless pressure on the 50°–18.6° slope change, for dc/h = 4.6, and x/l = 0.35 on 50° sloping chute and x/l = 0.3 on 18.6° sloping chute.

Figure 10VIEW LARGEDOWNLOAD SLIDE

Comparison between experimental and simulated results for the streamwise development of the dimensionless pressure on the 50°–18.6° slope change, for dc/h = 4.6, and x/l = 0.35 on 50° sloping chute and x/l = 0.3 on 18.6° sloping chute.

Figure 11 compares the experimental and the numerical results for the streamwise development of the dimensionless pressure on the 50°–30° slope change, for dc/h = 4.6, and x/l = 0.35 on 50° sloping chute and x/l = 0.17 on 30° sloping chute. It is apparent that the outcomes of the experimental work are close to the numerical results, however, the results of the simulation are above the experimental ones before the slope change, but the results of the simulation descend below the experimental ones after the slope change till the end.

Figure 11 Comparison between experimental and simulated results for the streamwise development of the dimensionless pressure on the 50°–30° slope change, for dc/h = 4.6, and x/l = 0.35 on 50° sloping chute and x/l = 0.17 on 30° sloping chute.
Figure 11 Comparison between experimental and simulated results for the streamwise development of the dimensionless pressure on the 50°–30° slope change, for dc/h = 4.6, and x/l = 0.35 on 50° sloping chute and x/l = 0.17 on 30° sloping chute.

Figure 11VIEW LARGEDOWNLOAD SLIDE

Comparison between experimental and simulated results for the streamwise development of the dimensionless pressure on the 50°–30° slope change, for dc/h = 4.6, and x/l = 0.35 on 50° sloping chute and x/l = 0.17 on 30° sloping chute.

CONCLUSION

ListenReadSpeaker webReader: Listen

In this research, numerical modelling was attempted to investigate the effect of abrupt slope change on the flow properties (air entrainment, velocity distribution and dynamic pressure) over a stepped spillway with two different models and various flow rates in a skimming flow regime by using the CFD technique. The numerical model was verified and compared with the experimental results of Ostad Mirza (2016). The same domain of the numerical model was inputted as in experimental models to reduce errors as much as possible.

Flow-3D is a well modelled tool that deals with particles. In this research, the model deals well with air entrainment particles by observing their results with experimental results. And the reason for the small difference between the numerical and the experimental results is that the program deals with particles more accurately than the laboratory. In general, both numerical and experimental results showed that near to the slope change the flow bulking, air entrainment, velocity distribution and dynamic pressure are greatly affected by abrupt slope change on the steps. Although the extent of the slope change was relatively small, the influence of the slope change was major on flow characteristics.

The Renormalized Group (RNG) model was selected as a turbulence solver. For 3D modelling, orthogonal mesh was used as a computational domain and the mesh grid size used for X, Y, and Z direction was equal to 0.015 m. In CFD modelling, air concentration and velocity distribution were recorded for a period of 25 seconds, but dynamic pressure was recorded for a period of 70 seconds. The results showed that there is a good agreement between the numerical and the physical models. So, it can be concluded that the proposed CFD model is very suitable for use in simulating and analysing the design of hydraulic structures.

이 연구에서 수치 모델링은 두 가지 다른 모델과 다양한 유속을 사용하여 스키밍 흐름 영역에서 계단식 배수로에 대한 유동 특성 (공기 혼입, 속도 분포 및 동적 압력)에 대한 급격한 경사 변화의 영향을 조사하기 위해 시도되었습니다. CFD 기술. 수치 모델을 검증하여 Ostad Mirza (2016)의 실험 결과와 비교 하였다. 오차를 최대한 줄이기 위해 실험 모형과 동일한 수치 모형을 입력 하였다.

Flow-3D는 파티클을 다루는 잘 모델링 된 도구입니다. 이 연구에서 모델은 실험 결과를 통해 결과를 관찰하여 공기 혼입 입자를 잘 처리합니다. 그리고 수치와 실험 결과의 차이가 작은 이유는 프로그램이 실험실보다 입자를 더 정확하게 다루기 때문입니다. 일반적으로 수치 및 실험 결과는 경사에 가까워지면 유동 벌킹, 공기 혼입, 속도 분포 및 동적 압력이 계단의 급격한 경사 변화에 크게 영향을받는 것으로 나타났습니다. 사면 변화의 정도는 상대적으로 작았지만 사면 변화의 영향은 유동 특성에 큰 영향을 미쳤다.

Renormalized Group (RNG) 모델이 난류 솔버로 선택되었습니다. 3D 모델링의 경우 계산 영역으로 직교 메쉬가 사용되었으며 X, Y, Z 방향에 사용 된 메쉬 그리드 크기는 0.015m입니다. CFD 모델링에서 공기 농도와 속도 분포는 25 초 동안 기록되었지만 동적 압력은 70 초 동안 기록되었습니다. 결과는 수치 모델과 물리적 모델간에 좋은 일치가 있음을 보여줍니다. 따라서 제안 된 CFD 모델은 수력 구조물의 설계 시뮬레이션 및 해석에 매우 적합하다는 결론을 내릴 수 있습니다.

DATA AVAILABILITY STATEMENT

ListenReadSpeaker webReader: Listen

All relevant data are included in the paper or its Supplementary Information.

REFERENCES

Boes R. M. Hager W. H. 2003a Hydraulic design of stepped spillways. Journal of Hydraulic Engineering 129 (9), 671–679.
Google Scholar
Boes R. M. Hager W. H. 2003b Two-Phase flow characteristics of stepped spillways. Journal of Hydraulic Engineering 129 (9), 661–670.
Google Scholar
Chanson H. 1994 Hydraulics of skimming flows over stepped channels and spillways. Journal of Hydraulic Research 32 (3), 445–460.
Google Scholar
Chanson H. 1997 Air Bubble Entrainment in Free Surface Turbulent Shear Flows. Academic Press, London.
Google Scholar
Chanson H. 2002 The Hydraulics of Stepped Chutes and Spillways. Balkema, Lisse, The Netherlands.
Google Scholar
Felder S. Chanson H. 2011 Energy dissipation down a stepped spillway with nonuniform step heights. Journal of Hydraulic Engineering 137 (11), 1543–1548.
Google Scholar
Flow Science, Inc. 2012 FLOW-3D v10-1 User Manual. Flow Science, Inc., Santa Fe, CA.
Ghaderi A. Daneshfaraz R. Torabi M. Abraham J. Azamathulla H. M. 2020a Experimental investigation on effective scouring parameters downstream from stepped spillways. Water Supply 20 (5), 1988–1998.
Google Scholar
Ghaderi A. Abbasi S. Abraham J. Azamathulla H. M. 2020b Efficiency of trapezoidal labyrinth shaped stepped spillways. Flow Measurement and Instrumentation 72, 101711.
Google Scholar
Gonzalez C. A. Chanson H. 2008 Turbulence and cavity recirculation in air-water skimming flows on a stepped spillway. Journal of Hydraulic Research 46 (1), 65–72.
Google Scholar
Gunal M. 1996 Numerical and Experimental Investigation of Hydraulic Jumps. PhD Thesis, University of Manchester, Institute of Science and Technology, Manchester, UK.
Hirt C. W. Nichols B. D. 1981 Volume of fluid (VOF) method for the dynamics of free boundaries. Journal of Computational Physics 39 (1), 201–225.
Google Scholar
Matos J. 2000 Hydraulic design of stepped spillways over RCC dams. In: Intl Workshop on Hydraulics of Stepped Spillways (H.-E. Minor & W. Hager, eds). Balkema Publ, Zurich, pp. 187–194.
Google Scholar
Mohammad Rezapour Tabari M. Tavakoli S. 2016 Effects of stepped spillway geometry on flow pattern and energy dissipation. Arabian Journal for Science & Engineering (Springer Science & Business Media BV) 41 (4), 1215–1224.
Google Scholar
Ostad Mirza M. J. 2016 Experimental Study on the Influence of Abrupt Slope Changes on Flow Characteristics Over Stepped Spillways. Communications du Laboratoire de Constructions Hydrauliques, No. 64 (A. J. Schleiss, ed.). Swiss Federal Institute of Technology Lausanne (EPFL), Lausanne, Switzerland.
Roshan R. Azamathulla H. M. Marosi M. Sarkardeh H. Pahlavan H. Ab Ghani A. 2010 Hydraulics of stepped spillways with different numbers of steps. Dams and Reservoirs 20 (3), 131–136.
Google Scholar
Shahheydari H. Nodoshan E. J. Barati R. Moghadam M. A. 2015 Discharge coefficient and energy dissipation over stepped spillway under skimming flow regime. KSCE Journal of Civil Engineering 19 (4), 1174–1182.
Google Scholar
Takahashi M. Ohtsu I. 2012 Aerated flow characteristics of skimming flow over stepped chutes. Journal of Hydraulic Research 50 (4), 427–434.
Google Scholar
Versteeg H. K. Malalasekera W. 2007 An Introduction to Computational Fluid Dynamics: The Finite Volume Method. Pearson Education, Harlow.
Google Scholar
© 2021 The Authors
This is an Open Access article distributed under the terms of the Creative Commons Attribution Licence (CC BY 4.0), which permits copying, adaptation and redistribution, provided the original work is properly cited (http://creativecommons.org/licenses/by/4.0/).

Figure 4 A view of the ogee spillway and Type 2 piers in the 3D CFD model

NUMERICAL ANALYSIS AND THE REAL WORLD : IT LOOKS PRETTY BUT IS IT RIGHT?

D. K. H. Ho, S. M. Donohoo, K. M. Boyes and C. C. Lock
Advanced Analysis, Worley Pty Limited
L7, 116 Miller Street, North Sydney, NSW 2060 Australia
Tel: +61 2 8923 6817 e-mail: david.ho@worley.com.au

Abstract

엔지니어링 설계에서 유한 요소, 유한 차분 및 전산 유체 역학 분석 소프트웨어와 같은 수치 도구의 일상적인 사용이 최근 몇 년 동안 증가했습니다. 소프트웨어 및 하드웨어 기술의 발전은보다 비선형적이고 복잡한 3 차원 분석이 수행되고 있음을 의미합니다.

그러나 본질적으로 “블랙 박스”인 이러한 강력한 소프트웨어는 “컴퓨팅”기술을 보유하고 있지만 광범위한 엔지니어링 경험이 필요하지 않은 분석가의 손에 “컴퓨터 보조 재해”로 이어질 수 있습니다. 품질 보증 절차의 엄격한 구현은 수치 모델이나 분석 기법이 정확한지 확인할 필요가 없을 수 있습니다.

이 백서에서는 복잡성이 증가하는 세 가지 실제 토목 공학 응용 프로그램에서 수치 분석 결과를 검증하는 방법을 설명합니다. 여기에는 유한 요소법을 이용한 수조 탱크의 구조 해석, 전산 유체 역학법을 이용한 수력 구조물 위의 홍수 조사, 유한 ​​차분법을 이용한 안벽 시공 시뮬레이션 등이 있습니다. 입력 데이터의 불확실성 수준과 각 사례에 대한 계산 결과의 신뢰성에 대해 논의합니다. 분석 과정에서 몇 가지 흥미로운 결과가 발견되었습니다.

첫 번째 사례 연구는 시공의 질이 구조물의 성능에 상당한 영향을 미친다는 것을 보여주었습니다. 그러나 설계자는 설계 단계에서 이러한 상황을 수량화하고 분석하지 못할 수도 있습니다. 필요할 경우 향후 역분석은 물론 설계 검증의 기준점이 될 수 있도록 공사 종료 시 모니터링의 중요성이 필수적입니다. 유한 요소 분석은 복잡한 문제를 분석할 수 있는 강력한 수치 도구이지만, 분석가들은 문제의 행동이 단순하고 잘 이해되는 것처럼 보일 수 있는 상황에서 예상치 못한 결과를 만날 수 있도록 준비해야 합니다.

두 번째 사례 연구에서는 중요한 배수로 구조에 전산 유체 역학 분석이 처음으로 적용 되었기 때문에 엄격한 검증 프로세스가 강조됩니다. 그것은 2D ogee 방수로 프로파일로 시작하여 문제의 방수로의 3D 모델을 분석하기 위해 진행되는 방식으로 수행되었습니다.
계산된 결과를 각 단계에서 이론 및 물리적 테스트 데이터와 비교했습니다. 유체 흐름 문제의 비선형적 특성에도 불구하고, 분석은 확신을 가지고 실제 설계 목적에 적합한 결과를 제공할 수 있었습니다.

최종 사례 연구에서는 안벽의 거동이 시공 이력과 매립 방식에 영향을 받은 것으로 나타났습니다. 벽의 움직임은 매우 가변적인 토양 속성에도 불구하고 질적으로도 단순한 비선형 토양 모델을 사용하여 정확하게 예측되었습니다. 지속적인 모니터링 기록이 없기 때문에 검증은 어려웠습니다. 계산된 결과를 검증하는 열쇠는 수치 소프트웨어 도구를 사용하지 않는 독립적인 계산을 찾는 것입니다. 대부분의 경우 이러한 솔루션을 사용할 수 있습니다. 그러나 다른 경우에는 실험실 또는 현장 관찰에만 의존할 수 있습니다.

Introduction

오늘날 수치 해석은 대부분의 엔지니어링 설계에서 필수적인 부분을 형성합니다. 따라서 결과 검증의 필요성은 분석 기술 / 방법론을 신뢰할 수 있고 설계자가 계산 된 결과에 대한 확신을 가질 수 있도록 설계 프로세스 전반에 걸쳐 매우 중요합니다.

일반적인 관행은 고전 이론, 실험 데이터, 게시 된 데이터, 유사한 구조의 성능 및 다른 사람이 수행 한 수치 계산에 대해 결과를 검증하는 것입니다. 때때로 소프트웨어 개발자가 제공 한 벤치 마크 또는 검증 예제가 이러한 목적으로 사용될 수 있지만 전체 범위의 문제를 포괄 할만큼 포괄적 인 경우는 거의 없습니다.

수치 해석을 시작하기 전에 분석가는 입력 데이터의 신뢰성, 소프트웨어 도구가 문제의 문제를 해결할 수 있는지 여부 및 결과를 검증하는 방법을 결정해야합니다. 검증 프로세스가 많은 실무자들에 의해 품질 보증 절차의 일부로 채택되었지만 비용이 많이 드는 실패가 여전히 발생했습니다 [1].

Validation

결과 검증의 필요성은 수치 분석의 사용 (남용)에서 일부 나쁜 업계 관행을 관찰함으로써 강화 될 수 있습니다. 수치 계산을 수행하기 위해 고용 된 일부 엔지니어 / 분석가는 계산 뒤에있는 기본 이론을 완전히 이해하지 못하거나 숨겨진 함정을 처리 할 수있는 실제 엔지니어링 경험이 충분하지 않을 수 있습니다.

일부 소프트웨어가 “CAD와 유사”해지고 많은 사람들이 작동하기 쉽다고 주장하기 때문에 엔지니어링 회사가 대학원 엔지니어 대신 초보를 고용하여 수치 모델링 및 분석을 수행하는 경향이 점차 증가하고 있습니다.

사용자는 복잡한 지오메트리 모델을 생성하고, 적절한 요소와 메시를 만들고, 각 하중 케이스에 대한 경계 조건 (접촉, 하중 및 고정)을 적용하고, 속성을 할당하고, 제출에 필요한 모든 플래그 / 스위치 / 버튼을 설정하는 데 상당한 노력을 기울일 것입니다.

분석이 실행됩니다. 자체 검사를위한 일부 품질 보증 절차는 전처리 단계에서 따를 수 있지만 계산이 완료되고 결과가 후 처리 될 때까지 많은 사용자는 출력이 어느 정도 정확하다고 쉽게 믿을 것입니다. 지오메트리 생성은 수치 모델링 프로세스의 일부일뿐입니다. 가장 어려운 문제 중 하나는 전체 설계 프로세스에서 불확실성을 다루는 것입니다. 재료 속성 및 로딩 순서와 같은 입력과 관련된 불확실성이 있습니다.

예를 들어 모델이 선형 또는 비선형 방식으로 동작하는지 여부와 같이 솔루션 유형의 적절성과 관련된 불확실성이 있습니다. 마지막으로 결과 해석과 관련된 불확실성이 있습니다. 수치 분석에서 결과를 검증하고 문제를 발견하는 데있어 분석가를위한 좋은 방법에 대한 간단한 지침은 없습니다. 그러나 다음 방법을 통해 점차적으로 달성 할 수 있습니다.

• 수치 적 방법 과정에 대한 좋은 이해 – 이것은 학부 및 / 또는 대학원 수준의 공식 교육을 통해 얻을 수 있으며 지속적인 전문성 개발의 일환으로 자습을 통해 더욱 향상 될 수 있습니다.
• 특정 유형의 문제에 대한 기본 이론과 해결책의 범위를 잘 이해합니다. 이 역시 위와 같은 교육을 통해 이루어질 수 있습니다.
• 실제 문제를 해결하는 데 공학적 판단을 사용하고 수치 분석을 수행 한 경험이 있습니다. 이는 숙련 된 엔지니어가 분석가를 적절하게 감독하는 환경에서 작업함으로써 얻을 수 있습니다.

품질 보증 시스템의 구현이 실행 가능한 솔루션으로 이어지는 엔지니어링 판단을 대체하는 것은 아니라는 점에 유의해야합니다. 복잡한 대규모 모델을 분석하기 전에 시뮬레이션 기술과 문제의 근본적인 동작을 완전히 이해하기 위해 간단한 테스트 모델을 사용하여 수치 “실험”을 수행해야하는 경우가 매우 많습니다.

경험에 따르면 때때로 테스트 모델 자체가 분석가가 최종 설계 솔루션에 도달 할 수있는 충분한 정보를 제공 할 수 있습니다. 해당 대형 복합 모델의 분석은 설계 기대치를 확인하는 것입니다. 다음 사례 연구는 결과 검증이 수행 된 방법과 신뢰 수준 및 불확실성이 해결된 방법을 보여줍니다.

Applications

일반적인 토목 공학 프로젝트에서 수치 분석은 구조 역학, 기하학 및 유체 역학의 세 가지 기본 분야 중 하나 또는 조합을 포함 할 수 있습니다. 문제의 성격은 토양-구조 상호 작용, 유체-구조 상호 작용 또는 토양-유체 상호 작용 중 하나로 분류 될 수 있습니다.

어떤 경우에는 세 가지 모두를 포함 할 수 있습니다. 잠재적 인 복잡성을 고려하여, 정확도를 잃지 않고 실제 목적을 위해 중요한 동작을 캡처하지 않고 문제를 단순화하기 위해 몇 가지 가정과 이상화가 이루어져야합니다. 이러한 문제를 해결할 수있는 범용 및 특수 수치 분석 소프트웨어가 있습니다. 두 가지 유형의 소프트웨어가 사례 연구에 사용되었습니다.

Case 1 – Deflection of a steel water tank

직경 약 90m의 대형 원형 강철 물 탱크는 처음 채울 때 큰 벽면이 휘어지면서 탱크의 장기적인 구조적 무결성에 대한 우려를 불러 일으켰습니다.

물의 높이는 전체 저장 용량에서 약 10m였습니다. 지붕 구조는 탱크 내부에있는 기둥으로 거의 전적으로지지되었습니다. 스트레이크(strakes)는 벽의 바닥 1/3이 더 두꺼운 고급 강판으로 구성되었습니다. 1 차 윈드 거더는 탱크 상단 주위에 용접되었고 2 차 윈드 거더는베이스 위 2/3에 위치했습니다. 하단 스트레이 크는 환형베이스 플레이트에 필렛 용접되었습니다. 내부 기둥의 기초를 제외한 전체 바닥은 용접 된 강판으로 덮여있었습니다.

이 탱크는 유능한 중간층 사암과 미사암 기반암 위에 압축된 채움물 위에 세워졌습니다. 일련의 축 대칭 유한 요소 분석 (FEA)을 수행하여 관찰된 처짐을 예측할 수 있는지 여부를 결정하고 매일 물을 채우고 비울 때 피로 파괴가 발생할 가능성으로 인해 벽 바닥의 응력 상태를 계산했습니다.

내부 기둥과 지붕 빔을 포함하는 탱크의 12 분의 1 섹터에 대한 3 차원 모델을 처음에 분석하여 벽이 얼마나 많은 지붕 자중을지지하고 축 대칭 가정의 타당성을 조사했는지 조사했습니다. 이 분석의 결과는 지붕 구조의 강성 기여도가 중요하지 않아 후속 축 대칭 모델에 포함되지 않았 음을 보여주었습니다.

그러나 지붕 자체 무게의 작은 부분이 벽에 적용됩니다. 축 대칭 모델은 모든 강철 섹션, 필렛 및 맞대기 용접 및 기초로 구성되었습니다 (그림 1). 그것들은 몇 개의 3 노드 삼각형 축 대칭 요소가있는 4 노드 비 호환 모드 사변형으로 이산화되었습니다.

용접 재료를 통해서만 하중 전달이 허용되도록 용접이 모델링되었습니다. 용접 연결부에 미세한 메시를 사용하여 응력 상태를 정확하게 포착했습니다. 롤러 지지대는 모델의 측면 및 하단 경계에 적용되었습니다. 다음과 같은 하중이 적용되었습니다 :

철골 구조물의 자중, 지붕 자중, 벽의 정수압, 수위에 따른 바닥의 균일 한 압력. 한 모델은 용접 또는베이스의 강판이 플라스틱 힌지를 형성하기 위해 항복되었다고 가정했습니다. 이 경우 벽 바닥에서 핀 연결이 모델링되었습니다.

Partial FE mesh of tank/foundation. Insert shows mesh and stress distribution at wall base
그림2 Partial FE mesh of tank/foundation. Insert shows mesh and stress distribution at wall base

벽 처짐은 그림 2에 나와 있습니다. 측정 범위와 계산 된 결과는 비교 목적으로 표시됩니다. 계산 된 벽 처짐을 검증하기 위해 두 벽 두께에 대한 Timoshenko 및 Woinowsky-Krieger [2]에 기반한 고전 이론도 그림에 표시되었습니다. 계산 된 편향은 이론적 계산에 의해 제한됨을 관찰 할 수 있습니다.

벽 두께의 변화로 인한 전이가 분석에서 포착되었습니다. 이것은 유한 요소 모델에 대한 확신을 제공했습니다. 윈드 거더와 구속 된베이스의 영향도 볼 수 있습니다. 윈드 거더 설치로 인해 초기 변형이 발생하여 공사가 끝날 때 벽 상단이 안쪽으로 당겨질 수 있습니다. 굽힘 동작이 발생한베이스 근처를 제외하고는 후프 동작이 벽 동작을 지배했습니다.

계산된 최대 처짐이 측정된 순서와 동일하더라도 최대 돌출이 발생한 높이는 예측되지 않았습니다. 실제로 조사 데이터는 몇 가지 가능한 시나리오를 제안했습니다.베이스에 플라스틱 힌지 형성 (그러나이 영역에서 계산 된 응력은 항복 강도를 초과하지 않았습니다). 지반 재료의 국부적 인 베어링 고장 (다시 현장에서 균열과 같은 명백한 지시 신호가 보이지 않음); 또는 탱크 건설이 끝날 때 내장 된 기하학적 결함이있었습니다. 사전 변형 된 탱크에서 역 분석을 수행하여 측정 된 처짐이 정수압 하에서 “회복”되었습니다. 그러나 계산된 응력은 수율을 훨씬 초과했습니다. 불행히도 탱크는 완성 후 첫 번째 충전 전에 즉시 조사되지 않았습니다.

Figure 2 Wall deflection of water tank
Figure 2 Wall deflection of water tank

탱크의 원래 디자인과 건설이 2000 년대 초에 수행되었다는 점은 흥미 롭습니다. 설계 계산에 관련 표준 [3]을 사용했습니다. 이 표준은 탱크 벽이 후프 동작만으로 작용한다고 가정하고이 구조의 경우가 아닌베이스의 제약 조건을 무시합니다. 벽 처짐의 크기는 기초 강성을 고려한 Rish [4]가 개발 한 고전 이론 [2] 또는 FEA와 같은 수치 분석에 의해 결정될 수 있습니다. 고급 강철을 사용하면 설계자는 강도에는 적합하지만 서비스 가능성에는 필요하지 않은 더 얇은 섹션을 선택해야합니다. 굽힘 강성은 큐브 두께에 의해 결정됩니다. 수중 부하에서 후속 벽 변형 프로파일은 제작 품질에 영향을받습니다. 이것은 설계 단계에서 추정하기 어려웠을 것입니다.

사례 2 – 배수로 배출

호주의 많은 댐 구조는 제한된 수 문학적 정보로 1950 년대와 60 년대에 설계 및 건설되었습니다. 이러한 기존 방수로 구조는 수정 된 가능한 최대 홍수 수준에 대처하기 위해 크기가 작습니다. 증가 된 홍수 조건 하에서 방수로 꼭대기에 대한 음압 생성과 같은 잠재적 인 문제가 발생할 수 있습니다. 이는 방수로 및 게이트 구조에 불안정성 또는 캐비테이션 손상을 유발할 수 있습니다. 역사적으로 스케일링 된 물리적 모델은 이러한 동작을 연구하기 위해 수력 학 실험실에서 구성되었지만 비용이 많이 들고 시간이 많이 걸리며 스케일링 효과와 관련된 많은 어려움이 있습니다. 오늘날 고성능 컴퓨터와보다 효율적인 전산 유체 역학 (CFD) 코드를 사용하여 수리적 구조의 동작을 합리적인 시간과 비용으로 수치 적으로 조사 할 수 있습니다. 이 분석 기법은 대도시 지역에 주요 상수원을 제공하는 가장 큰 콘크리트 중력 댐에 호주에서 처음으로 적용 되었기 때문에 검증을 수행 할 필요가있었습니다. 이것은 그림 3과 같이 조사 프로세스에 통합되었습니다. 순서도는 간단한 2D에서 상세한 3D 방수로 모델로 어떻게 발전했는지 보여줍니다.

Figure 3 Flowchart showing the validation process
Figure 3 Flowchart showing the validation process

미 육군 공병대 [5]에서 발표 한 광범위한 데이터가 있기 때문에 검증을 위해 ogee 방수로 프로필 (그림 4 참조)이 선택되었습니다. 계산 된 결과는 조사의 각 단계에서 검토되었습니다. 게시 된 데이터에서 크게 벗어나면 프로젝트가 중단됩니다. 이것은 프로젝트가 시작되기 전에 고객과 상호 합의되었습니다.

Figure 4 A view of the ogee spillway and Type 2 piers in the 3D CFD model
Figure 4 A view of the ogee spillway and Type 2 piers in the 3D CFD model

이러한 종류의 분석의 초기 어려움 중 하나는 개방 채널 중력 흐름 문제에서 자유 표면의 정확한 계산이었습니다. 자유 표면을 추적하는 데 적응 형 메싱 및 반복 방법을 사용하는 것은 일부 유한 체적 CFD 코드에서 사용되었지만 성공은 제한적이었습니다. 본 연구에 사용 된 코드는 SOLA-VOF 방법으로 Navier-Stokes 방정식을 해결합니다. 유체 운동의 과도 동작을 해결하기 위해 유한 차분 방법이 사용되었습니다. 유체의 부피 (VOF) 함수는 자유 표면 운동을 계산하는 데 사용됩니다 [6].

분석에 대한 자세한 내용은 [7]에 설명되어 있습니다. 계산 된 파고 압력 분포, 자유 표면 프로파일 및 정상 상태에서의 배출 속도는 검증 목적으로 사용되었습니다. 다른 상류 수두 (H) 아래의 배수로 꼭대기를 따라 압력 분포가 그림 5에 나와 있습니다. 일부 압력 진동은 코드가 일반 메시와 곡선 배수로 장애물 사이의 인터페이스에서 계산을 처리하는 방식에 기인 할 수 있습니다. 훨씬 더 미세한 메쉬는 이러한 불규칙성을 부드럽게 만들었습니다. 압력 분포에 대한 교각의 영향은 3D 모델에서 올바르게 예측되었습니다 (그림 6).

계산된 자유 표면 프로파일 (그림 7)도 게시 된 데이터와 잘 일치했습니다. Savage와 Johnson [8]은 분석 기법에 대한 신뢰도를 높이는 동일한 CFD 코드를 사용하여 유사한 유효성 검사를 수행했습니다. 문제의 배수로에 대한 후속 분석은 스케일링 된 물리적 모델 테스트에서 얻은 결과와 비교할 때 상당히 좋은 결과를 제공했습니다.

Figure 5 Comparison of crest pressure for various heads (2D model), Hd is the design head
Figure 5 Comparison of crest pressure for various heads (2D model), Hd is the design head
Figure 6 Comparison of crest pressure next to pier (3D model)
Figure 6 Comparison of crest pressure next to pier (3D model)
Figure 7 Upper nappe profile next to pier
Figure 7 Upper nappe profile next to pier

분석에서 배수로의 기하학적 구조와 물 속성이 잘 정의되었습니다. 물은 비압축성이며 고정 된 온도에서 일정한 특성을 가지고 있다고 가정했습니다. 실제로 좋은 품질의 콘크리트 표면 마감을 얻을 수 있기 때문에 배수로 경계는 매끄럽다 고 가정했습니다. 불확실성은 메쉬 밀도와 적절한 난류 모델의 선택이라는 두 가지 소스에서 비롯됩니다. 메쉬 크기는 메모리 양과 컴퓨터의 클럭 속도에 의해 제한됩니다.

높은 레이놀즈 수의 난류 흐름은 소용돌이와 소용돌이의 형성을 포착 할 수있는 매우 미세한 메시로 계산할 수 있지만 현재 메시 밀도는 검증 및 설계 목적에 필요한 변수를 예측하기에 충분히 미세했습니다. 조사 결과는 큰 와류, k-ε 및 RNG 모델과 같은 난류 모델의 선택에 의해 크게 영향을받지 않는 것으로 나타났습니다. 분명히 벽 거칠기와 난류 모델의 도입은 방전율을 감소시킬 것입니다. 그러나 다시 분석 결과는 사용 된 메시에 거의 영향을 미치지 않음을 보여줍니다. 향후 분석은 다른 메쉬 밀도로 인한 이산화 오류를 조사 할 것입니다.

사례 3 – 안벽 건설
주요 컨테이너 항구 시설은 설계 단계에서 최소한의 수치 분석을 수행하여 약 25 년 전에 건설되었습니다. 당시에는 이러한 분석 도구를 사용하는 것이 비용 효율적이지 않은 것으로 간주되었습니다. 다수의 컨테이너 크레인이 측면을 따라 이어지는 2km 길이의 안벽을 건설하기 위해 광범위한 준설 및 매립 작업이 수행되었습니다.

시설이 완공 된 이후 일련의 콘크리트 카운터 포트 유닛으로 구성된 안벽과 후방 크레인 빔은 크레인이 할 수 있도록 후방 빔에 대한 레벨 조정 작업이 수행 될 정도로 지속적으로 이동하고 있습니다. 정상적으로 작동합니다. 그러나 영향을받는 두 구조물의 움직임을 저지하기 위해보다 영구적 인 해결책을 모색했습니다. 토양-구조 상호 작용 및 시공 시뮬레이션을 처리 할 수있는 명시 적 유한 차이 분석을 사용하여 다양한 교정 옵션의 순위를 지정했습니다.

그라우트 기둥, 타이백 앵커 및 말뚝 지지대와 같은 다양한 제안 된 개선을 분석하기 전에, 토양 및 구조적 특성과 시공 과정의 선택이 적절하도록 계산 모델을 관찰에 대해 보정해야한다고 결정했습니다. 지질 및 지질 공학 정보는 현장 및 실험실 테스트 데이터를 포함하는 현장 조사 보고서에서 평가되었습니다. 시설의 범위를 고려할 때 현장에서 만나는 특정 토양 유형에 대해 상당한 분산 테스트 데이터가 예상됩니다. 수력 모래 충전재에 대한 표준 침투 테스트 (SPT) 블로우 횟수 (N) 및 콘 침투 테스트 (CPT) 저항 (qc)에 대한 몇 가지 일반적인 기록이 그림 8과 9에 나와 있습니다.

Figure 8 SPT ‘N’ profiles
Figure 8 SPT ‘N’ profiles
Figure 9 CPT profiles
Figure 9 CPT profiles

이 결과로부터 평균 해수면 위와 아래에있는 모래 채우기의 강도와 강성의 대비를 관찰 할 수 있습니다. 이 현상은 배치 방법에 기인한다고 제안되었다 [9]. 또한 기초 수준에서 진동 압축 된 모래의 특성에도 변동이있었습니다. 분석을 위해 선택된 토양 특성은 테스트 데이터, 인근 사이트의 경험 및 유사한 토양 조건에 대한 발표 된 데이터를 기반으로합니다. 그것들은 표 1에 요약되어 있습니다. 일반적으로 시설의 건설 순서는 다음과 같습니다.

  1. Removal of pockets of soft marine clay by dredging
  2. Dredging of sand to the required level
  3. Vibro-compaction of the sand on which the counterfort units were to be founded
  4. Placement of gravel for the quay wall foundation.
  5. Placement of concrete counterfort units weighing 360 tonne each
  6. Placement of hydraulic sand fill behind the units
  7. Surcharging the fill just behind the capping beam
  8. Construct capping beam and place more sand fill to the finished level
  9. Additional surcharge prior to the operation of container cranes.

Table 1 Soil properties used in the construction
simulation of the quay wall

Table 1 Soil properties used in the construction simulation of the quay wal
Table 1 Soil properties used in the construction simulation of the quay wal

2D 평면 변형 모델의 수치 시뮬레이션에서 구성 순서 (그림 10)와 하중은 다음 단계에 따라 단순화 / 이상적입니다.

  1. The starting condition of the seabed consisted of the vibrocompacted sand, gravel bed, native sand, clay and fissured clay at depth. The “in-situ” stresses were also switched on in this step.
  2. Placement of counterfort unit (using equivalent linear elastic beam elements) with a vertical force applied through the centre of gravity of the unit to represent the buoyant self-weight.
  3. Sequentially placing hydraulic sand fill behind the unit to the level prior to surcharging.
  4. Apply an equivalent trapezoidal pressure to represent the surcharge.
  5. Placement of capping beam and the sand fill to the required level.
  6. Apply additional surcharge.
  7. Application of repeated loads from the crane seaward and landward legs.
Figure 10 Construction sequence
Figure 10 Construction sequence

분석에서는 침수 된 물질과 평균 해수면 위에있는 물질을 나타 내기 위해 적절한 밀도를 사용했습니다. 안벽의 장기적인 움직임이 중요했기 때문에 배수 된 토양 매개 변수가 사용되었습니다. 토양은 분석에서 Mohr-Coulomb 실패 기준을 따르는 것으로 가정되었습니다. 단순한 탄성-완전 소성 응력-변형 거동이 가정되었습니다. 일련의 강체 다이어그램으로 표현 된 안벽 이동의 역사는 그림 11에 나와 있습니다. 벽의 상단과 바닥에서 계산 된 수직 및 수평 이동은 그림 12와 13에 표시됩니다. 수치는 모니터링 된 데이터와 해당 상한 및 하한 (해당 상자에 표시됨)입니다. 측정에서 산란의 양에도 불구하고 벽 건설에 대해 계산 된 움직임은 합리적으로 잘 비교되었습니다. 조사 데이터와 예측을 일치시키기 위해 분석에서 토양 속성을 변경하려는 시도가 없었습니다. 반복되는 크레인 하중의 래칫 효과를 관찰 할 수 있습니다. 불행히도 반복적 인 크레인 하중 하에서 벽 이동에 대한 기준이 없었기 때문에 이러한 예상 이동을 비교할 수 없었습니다. 문제의 복잡성과 고도로 가변적 인 토양 특성을 고려할 때 계산 된 결과는 매우 고무적입니다.

Figure 11 Wall deformations
Figure 11 Wall deformations

토양에서 플라스틱 구역의 발달도 분석에서 계산되었습니다. 벽의 발가락 아래의 토양이 여러 번 과도하게 압박을받는 것으로 밝혀졌습니다. 접촉 압력은 경사 하중으로 인한 베어링 고장에 대한 안전 지표 (FOS)를 결정하는 데 사용되었습니다. 지지력은 계산 방법에 의해 크게 영향을 받았다고보고되었습니다 [10]. 원래의 기초 디자인은 덴마크 코드 [11]를 기반으로했기 때문에이 경우 일관성을 위해 사용되었습니다. 편심의 함수로서 FOS의 발전과 수평 대 수직 추력 (H / V)의 비율이 각각 그림 14와 15에 나와 있습니다.

Figure 12 Wall top movements
Figure 12 Wall top movements
Figure 13 Wall base movements
Figure 13 Wall base movements
Figure 14 ‘FOS’ vs. eccentricity
Figure 14 ‘FOS’ vs. eccentricity
Figure 15 ‘FOS’ vs. H/V ratio
Figure 15 ‘FOS’ vs. H/V ratio

그림은 벽이 추가 요금과 반복적 인 적재 단계 동안 국부적 인 베어링 고장에 가까웠음을 보여줍니다. 크레인 하중 하에서 FOS의 명백한 증가는 벽에 대한 수직 하중이 증가하는 반면 유지된 토양의 수평 압력이 다소 일정하게 유지됨에 따라 편심이 감소했기 때문입니다.

끝 맺는 말
세 가지 매우 다른 실제 응용 프로그램의 유효성 검사 프로세스가 설명되었습니다. 각 사례의 주요 특징과 결과는 표 2에 요약되어 있습니다. 재료 및 하중 불확도 및 예상 결과가 강조 표시됩니다. 건설 품질은 구조의 성능에 상당한 영향을 미치는 것으로 나타났습니다.

이는 분석가가 프로젝트의 설계 단계에서 정량화하고 정확하게 분석하지 못할 수도 있습니다. 구조가 완료된 직후 모니터링의 중요성을 간과해서는 안됩니다. 이것은 미래의 역 분석을위한 유용한 자료가 될 것입니다. 수치 도구가 이러한 복잡한 문제를 분석 할 수 있다는 사실에도 불구하고 분석가는 어떤 매개 변수가 중요하거나 중요하지 않은지 식별 할 준비가되어 있어야합니다.

익숙하지 않은 문제를 분석 할 때 유효성 검사 프로세스를 점진적으로 수행해야합니다. 아마도 검증 방법을 찾는 핵심은 수치 분석 도구를 사용하지 않고 솔루션에 도달 할 수있는 다른 방법이 있는지 묻는 것입니다. 많은 경우 이러한 솔루션은 광범위한 문헌 검색 후에 존재합니다. 그러나 다른 경우에는 실험실 테스트와 현장 관찰이 유일한 대안이 될 것입니다.

자세한 내용은 원문을 참고하시기 바랍니다.

References
[1] Puri, S.P.S. (1998) “Avoiding Engineering Failures Caused by Computer-Related Errors”, J. Comp. in Civil Engineering, ASCE, 12(4), 170-172.
[2] Timoshenko, S.P. and Woinowsky-Krieger, S. (1959) Theory of Plates and Shells, 2nd edition, McGraw-Hill Kogakusha. p.580.
[3] BS2654 (1989) Manufacturing of vertical steel welded non-refrigerated storage tanks with butt-welded shells for the petroleum industry.
[4] Rish, R.F. (1977) “Design of Cylindrical Tanks on Elastic Foundations”, Civil Engineering Transactions, The Institution of Engineers, Australia, 192-195.
[5] US Army Corps of Engineers (1990) Hydraulic Design of Spillways, Engineer Manual No. 1110-2-1603.
[6] Hirt, C.W. and Nichols, B.D. (1981) “Volume of Fluid (VOF) Method for the Dynamics of Free Boundaries”, J. Comp. Phys. 39, 201- 225.
[7] Ho, D.K.H., Boyes, K.M and Donohoo, S.M. (2001) “Investigation of Spillway Behaviour under Increased Maximum Flood by Computational Fluid Dynamics Technique”, Proc. Conf. 14th Australasian Fluid Mechanics, Adelaide, December, 577-580.
[8] Savage, B.M. and Johnson, M.C. (2001) “Flow over Ogee Spillway: Physical and Numerical Model Case Study”, J. Hydraulic Engineering, ASCE, 127(8), 640-649.
[9] Lee, K.M., Shen, C.K., Leung, D.H.K. and Mitchell, J.K. (1999) “Effects of placement method on geotechnical behaviour of hydraulic fill sands” J. Geotech. and Geoenviron. Engineering, ASCE, 125(10), 832-846.
[10] Sieffert, J.G. and Bay-Gress, Ch. (2000) “Comparison of European bearing capacity calculation methods for shallow foundations”, Proceedings of the Institution of Civil Engineers, Geotechnical Engineering, 143, April, 65-74.
[11] DS 415 (1984) Code of Practice for Foundation Engineering. Table 2 Summary of findings for the three case studies

Cavitation | 캐비테이션

캐비테이션이란 무엇입니까?

The spillways of the Glen Canyon dam in 1983 (Lee and Hoopes, 1996).

캐비테이션은 유체 흐름의 매우 낮은 압력 또는 포화 압력을 높이는 온도 상승으로 인해 유체 내에서 증기 또는 기포가 빠르게 발생하는 것입니다. 기포의 갑작스런 출현 (및 후속 붕괴)은 비압축성 유체 내에서 압력의 급격한 변화를 일으켜 심각한 기계적 손상을 일으킬 수 있습니다. 캐비테이션에 의해 유도 된 힘은 1983 년 Glen Canyon 댐의 배수로에서 경험 한 손상에서 볼 수 있듯이 며칠 내에 수 피트의 암석을 침식 할 가능성이 있습니다 (Lee and Hoopes, 1996).

또한 고압 다이 캐스팅에서 캐비테이션이 발생할 수 있습니다. 다이의 수축 및 곡선을 통한 용융 합금의 빠른 이동은 급속한 압력 강하를 초래하고 후속 캐비테이션으로 이어질 수 있습니다. 생성된 증기 기포는 최종 주조에서 다공성을 유발하거나 더 나쁜 경우 다이에 손상을 일으켜 주조품을 훼손시키고 다이 수명을 감소시킬 수 있습니다.

캐비테이션은 터빈과 파이프에 손상을 줄 수 있고, 댐의 배수로에서 콘크리트를 침식하는 등의 원인이 될 수 있습니다. 아래 이미지는 댐의 배수로 바닥 근처의 콘크리트 침식을 보여줍니다. 댐에 사용되는 콘크리트는 일반적으로 강도가 높지만 캐비테이션은 여전히 그것을 부식시킬 수 있습니다.

Eroded concrete due to cavitation on the spillway of a dam

캐비테이션은 때때로 오염 물질과 유기 분자를 분해하고, 소수성 화학 물질을 결합하고, 캐비테이션 기포의 파열로 인해 생성 된 충격파를 통해 신장 결석을 파괴하고, 혼합을위한 난류를 증가시켜 수질 정화와 같은 특정 산업 응용 분야에서 의도적으로 유도됩니다.

따라서 캐비테이션이 발생할 가능성이있는 위치와 그 강도를 이해하는 것이 중요합니다. 캐비테이션을 실험을 수행하거나 실험 결과의 현상을 시각화하는 것이 어렵고, 잠재적으로 손상 될 수 있으므로 수치해석 시뮬레이션으로 검토하는 것이 매우 필요하고, 유용합니다.

Real-World Applications | 실제 응용 분야

  • 물 및 환경 구조 내에서 손상을 주는 캐비테이션 시뮬레이션
  • 다이 손상 및 주조 다공성을 유발할 수 있는 고압 다이 캐스팅 중 캐비테이션 시뮬레이션
  • MEMS 장치 내의 열 거품 형성 시뮬레이션
  • 열 전달 표면의 비등 거동 예측
  • 캐비테이션 역학으로 인한 혼합 예측

Modeling Cavitation in FLOW-3D

FLOW-3D의 캐비테이션 모델은 thermal bubble jets 와 MEMS devices를 시뮬레이션하는데 성공적으로 사용되었습니다. FLOW-3D는 “active”또는 “passive” 모델 옵션을 제공합니다. Active 모델은 기포 영역을 열고 수동 모델은 흐름을 통해 캐비테이션 기포의 존재를 추적하고 전파하지만, 기포 영역의 형성을 시작하지는 않습니다.

Active모델은 더 큰 캐비테이션 영역이 예상되고 유동장에 영향을 미치는 경우에 가장 적합하며, Passive모델은 작은 기포의 간단한 모양이 예상되는 시뮬레이션에 가장 적합합니다. 활성 모델과 에너지 전송 계산을 통해 위상 변화도 옵션입니다. 기포는 계면에서의 증발 또는 응축으로 인해 추가로 팽창하거나 수축 할 수 있습니다.

Sample Results

아래 시뮬레이션은 수축 노즐을 보여줍니다. 애니메이션은 매우 일시적인 진동 동작을 보여주는 캐비테이션 버블의 진화를 보여줍니다. 캐비테이션 부피 분율은 초기 연속 액체에서 캐비테이션의 시작을 시각화하기 위해 플롯됩니다.

아래 애니메이션은 진입 속도가 8m/s이고 수렴 기울기가 18 °이고 발산 기울기가 8 ° 인 벤츄리 내의 캐비테이션을 보여줍니다. 다시 말하지만, 캐비테이션의 과도 동작은 잘 모델링되어 있으며, 모델은 22ms의 실험 결과와 비교하여 17.4ms의 캐비테이션주기 기간을 예측합니다 (Stutz and Reboud 1997).

Cavitation in a venturi

물 탱크를 통해 이동하는 고속 발사체를 시뮬레이션하여 발사체 후류에서 생성 된 저압 영역의 공동 기둥을 보여줍니다. 발사체의 초기 속도는 600m / s입니다. 아래는 탱크의 움직임과 후행하는 캐비테이션 유체의 애니메이션입니다. 발사체가 감속함에 따라 캐비테이션 기둥의 반경이 좁아집니다.

@

High-speed bullet

References

Lee, W., Hoopes, J.A., 1996, Prediction of Cavitation Damage for Spillways, Journal of Hydraulic Engineering, 122(9): 481-488.

Plesset, M.S., Prosperetti, A., 1977, Bubble Dynamics and Cavitation, Annual Revue of Fluid Mech, 9: 145-185.

Rouse, H., 1946. Elementary Mechanics of Fluids, New York: Dover Publications, Inc.

Stutz, B., Reboud, J.L., 1997, Experiments on unsteady cavitation, Experiments in Fluids, 22: 191-198.

A vertical jet flowing into a moving cross stream

공기 유입 / Air Entrainment

Air Entrainment / 공기 유입

A vertical jet flowing into a moving cross stream

FLOW-3D 의 공기 혼입 모델(air entrainment model)은 자유 표면에서 용해되지 않은 공기 혼입을 시뮬레이션하는 강력한 도구입니다. 제트 및 방수로 충돌시 관찰되는 국부적이고 난류가없는 자유 표면 혼입 기능이 있습니다. 이러한 기능은 엔지니어가 설계시 공기 유입을 예측하고, 공기유입이 안전하게 작동하도록 적절한 수정을 할 수 있게 합니다.

Spillway hydraulics / 여수로 수리장치

여수로 구조는 다양한 작동 조건을 처리 할 수 ​​있도록 설계되어야 합니다. 유동 조건이 설계 범위의 상단에 도달하면 여수로 표면의 불규칙성으로 인해 유동이 분리 될 수 있습니다. 이는 여수로 표면의 압력이 캐비테이션을 일으킬 정도로 낮아지게 합니다. 캐비테이션은 구조물의 강도에 매우 해로우며 치명적인 손상을 초래할 수 있습니다.

공기 유입은 캐비테이션의 가능성을 줄이는 수단입니다. 물이 공기에 존재하면 캐비테이션 영역의 붕괴하는 기포에 감쇠 효과를 추가하여 캐비테이션 손상을 줄입니다. 여수로의 속도가 충분히 높으면 공기를 동반시키고 캐비테이션을 줄이기 위해 폭기 장치를 추가해야합니다.

폭기 흐름의 시뮬레이션과 폭기 장치에서 포획된 공기의 예측.

왼쪽 이미지는 거시적 인 밀도에 의해 착색됩니다. 오른쪽 그래프는 폭기 장치에 유입 된 수분의 일정한 부피와 폭기 장치 이후의 수분 및 공기의 양을 비교 한 것입니다.

아래 동영상은 FLOW-3D에서 공기 유입 과정을 시뮬레이션하는 방법을 보여줍니다. 여기에는 공기혼입 및 드리프트 플럭스 모델의 이론에 대한 세부 정보와 FLOW-3D에서 기본 공기혼입 시뮬레이션을 설정하는 방법에 대한 데모가 포함되어 있습니다.

Fish passage design / 물고기 개체수 유지를 위한 어도 설계

공기가 물로 혼입되면 미생물의 성장을 유지하고 건강한 어류 개체군의 생존을 보장 할 수 있습니다. 그러나 과포화 상태의 용존 기체는 수생 생물에 부정적인 영향을 미치는 수질 문제가 됩니다. 공기 동반 모델의 또 다른 용도는 강의 하류로 방출되는 배수로에서 동반되는 공기의 농도를 결정하기 위해 해양 생물학에서 사용됩니다.
이 모델에 대한 더 자세한 정보는 Air Entrainment 의 Flow Science Report를 다운로드하십시오.

Cavitation(공동현상)

Cavitation(공동현상)

공동 현상은 유체 흐름의 압력이 매우 낮거나 온도 상승으로 인해 유체 내에서 증기 및 / 또는 가스 버블이 빠르게 진화하여 포화 압력을 높입니다. 기포의 갑작스런 출현 (및 후속 붕괴)은 비압축성 유체 내에서 압력의 급격한 변화를 일으켜 심각한 기계적 손상을 일으킬 수 있습니다. 캐비테이션에 의해 유발된 힘은 1983 년 글렌 캐년 댐의 유출로에서 발생한 손상으로 볼 수 있듯이 며칠 만에 수 피트의 암석을 침식 할 가능성이 있습니다 (Lee and Hoopes, 1996).

또한, 캐비테이션은 고압 다이 캐스팅에서 발생할 수 있습니다. 다이의 수축 및 곡선을 통한 용융 합금의 빠른 이동은 압력 강하를 빠르게하여 후속 캐비테이션을 유발할 수 있습니다. 생성 된 증기 기포는 최종 주조에서 다공성을 야기하거나, 더 악화되어, 다이를 손상시켜 주조를 오염시키고 다이 수명을 감소시킬 수 있습니다. 이러한 이유로, 캐비테이션이 발생할 가능성이 있는 영역을 이해하는 것이 중요합니다. 물리적 실험을 통해 캐비테이션을 시작하고 시각화하는 것은 어렵고, 잠재적으로 피해를 주기 때문에 공정을 시뮬레이션하는 것이 바람직합니다.

실증 사례

  • 물 및 환경 구조 내에서 손상된 캐비테이션 시뮬레이션
  • 고압 다이캐스팅 중 캐비테이션을 시뮬레이션하여 다이 손상 및 캐스팅 다공성을 유발할 수 있습니다.
  • MEMS 장치 내에서 열 기포 형성 시뮬레이션
  • 열전달 표면의 비등 거동 예측
  • 캐비테이션 역학으로 인한 혼합 예측

Cavitation(공동현상) FLOW-3D모델링

FLOW-3D의 현재 캐비테이션 모델은 열 버블 제트(Thermal bubble jets) 및 MEMS 장치를 시뮬레이션하는 데 성공적으로 사용되었습니다. FLOW-3D는 “Active”또는 “Passive”모델 옵션을 제공합니다. 능동형(Active) 모델은 기포 영역을 열고 수동형 모델은 흐름을 통해 캐비테이션 기포의 존재를 추적하고 전진하지만 기포 영역의 형성은 시작하지 않습니다.

능동형(Active) 모델은 더 큰 캐비테이션 영역이 예상되고 유동장에 영향을 미치는 경우에 가장 적합한 반면, 수동형(Passive) 모델은 작은 기포의 짧은 모양이 예상되는 시뮬레이션에 가장 적합합니다. 에너지 전송의 능동 모델과 계산을 통해 위상 변화(Phase change)도 옵션입니다. 기포는 계면(Surface)에서의 증발 또는 응축으로 인해 추가로 팽창 또는 수축 될 수 있습니다.

해석 사례

아래의 결과는 8m/s의 진입 속도, 18°의 수렴 기울기 및 8°의 발산 기울기를 가진 벤투리(Venturi) 내의 캐비테이션을 보여줍니다. 캐비테이션의 과도 거동이 잘 모델링되었으며, 모델은 22ms의 실험 결과와 비교하여 17.4ms의 캐비테이션 사이클 주기(Cycle period)를 예측합니다 (Stutz and Reboud 1997).

물 탱크를 통과하는 고속 발사체를 시뮬레이트하여 발사체의 웨이크에서 발생하는 저압 영역에서 공동화 깃털(Cavitation jets)을 보여줍니다. 발사체의 초기 속도는 600m/s입니다. 아래는 탱크에서의 움직임과 후미 캐비테이션 유체의 해석 결과입니다. 캐비테이팅 플룸(Cavitating plume)의 반경은 발사체가 감속함에 따라 좁아집니다.

참고 문헌

  • Lee, W., Hoopes, J.A., 1996, Prediction of Cavitation Damage for Spillways, Journal of Hydraulic Engineering, 122(9): 481-488.
  • Plesset, M.S., Prosperetti, A., 1977, Bubble Dynamics and Cavitation, Annual Revue of Fluid Mech, 9: 145-185.
  • Rouse, H., 1946. Elementary Mechanics of Fluids, New York: Dover Publications, Inc.
  • Stutz, B., Reboud, J.L., 1997, Experiments on unsteady cavitation, Experiments in Fluids, 22: 191-198.

Validations

Validations

금속 주조 설계 과정에서 FLOW-3D CAST의 사용은 회사의 비용 절감 방안을 제시하여 수익성을 개선할 수 있습니다. FLOW-3D CAST 는 엔지니어와 설계자에게 경험과 전문지식을 향상시킬 수 있는 강력한 도구가 될 수 있습니다. 보통 수익성은 비용 절감과 비용 회피에서 찾을 수 있습니다. 지금, 품질과 생산성 문제는 제품개발 단계에서 다양한 시뮬레이션 통해 짧은 공정시간, 낮은 비용으로 해결 할 수 있는 방안을 찾을 수 있습니다. 새로운 개발도구인 FLOW-3D CAST의 효율성은 생산이 시작되기 전에 문제를 해결할 수 있는 방안을 제시하여 생산성을 크게 개선할 수 있습니다.

Ladle Pour

샷 슬리브 공정을 최적화하는 것은 고품질 부품을 확보하는 데 필수적입니다. FLOW-3D CAST의 시뮬레이션 결과와 실제 사례의 비교를 통해, 시뮬레이션을 사용하여 엔지니어가 값 비싼 툴링을 제작하기 전에 설계를 개선하는 방법을 강조합니다. FLOW-3D CAST는 프로세스 전반에 걸쳐 유체의 움직임을 정확하게 포착할 수 있으므로, 엔지니어가 실제 레들 주입 공정에서 신속하게 파악할 수 있습니다. 시뮬레이션은 Nemak Poland Sp. z o.o로부터 제공받았습니다.

Gravity Casting

열전대 데이터를 기반으로 한 실제 충진 재구성과 비교 한 중력 주조 시뮬레이션. Courtesy of XC Engineering and Peugeot PSA.

Foundry: Simulating a Flow Fill Pattern


사형 주조 충진중의 X- 레이 검증

X -레이 결과와 FLOW-3D CAST 시뮬레이션 결과를 나란히 비교합니다. A356 알루미늄 합금으로 사형 주조의 3 차원 충진 색상은 금속의 압력을 나타냅니다. 시뮬레이션 결과는 수직 대칭 평면에 표시됩니다. Modeling of Casting, Welding, and Advanced Solidification Processes VII, London, 1995.

HPDC: Flow Pattern


Short sleeve validation – 시뮬레이션 결과와 주조 부품, Littler Diecast Corporation의 예

Modeling Air Entrapment


디젤 엔진 용 오일 필터 하우징의 X-ray vs. FLOW-3D CAST 검증.

디젤 엔진 용 오일 필터 하우징의 X- 레이 검증, 380 다이캐스팅 합금. 결과는 혼입 된 공기의 비율로 표시됩니다. X- 레이의 상세한 영역은 최대 다공도 농도를 나타냅니다.

HPDC Filling


FLOW-3D 결과를 실제 부품과 비교하는 HPDC 캐스팅 검증

Short Shot Simulation


실제 주조 부품의 유효성 검사. 스냅 샷과 FLOW-3D CAST 시뮬레이션 결과. 왼쪽에서 오른쪽으로 : 변속기 하우징, 오일 팬 및 자동차 부품.

HPDC Air Entrapment Defects


Antrametal에 의한 주조 시뮬레이션 대 실험 결과의 성공적인 비교.

Antmetetal의 고객 검증은 FLOW-3D CAST의 Air Entrapment 모델을 사용하여 실험 결과와 시뮬레이션을 비교 한 결과를 보여줍니다. 세탁기 용 전동 모터의 앞 커버의 HPDC입니다. 공기 관련 결함은 이미지의 색상에 정 성적으로 표시됩니다. FLOW-3D CAST 내의 다른 수치 기능에 의해 포착 된 물리적 공기 포켓 또한 명확하게 표현됩니다.

Core Drying


시뮬레이션과 무기 코어의 건조 실험 사이의 BMW에 의한 비교.

Predicting Die Erosion


캐비테이션으로 인한 다이 침식 영역은 FLOW-3D CAST 결과를 실제 사례와 비교하여 올바르게 배치되었습니다.

Predicting Lost Foam Filling


Lost foam L850 블록 벌크 헤드 슬라이스에 대한 실시간 X-ray 및 FLOW-3D CAST 유동 시뮬레이션 결과의 비교. 시뮬레이션은 GM Powertrain의 예입니다.

Porosity Defects


Porosity due to entrained air

Predicting Shrinkage Porosity


A380 diesel engine block casting

 

수치해석 기술 컨설팅 안내

FLOW-3D Case Studies

수치해석 기술 컨설팅 안내

(주)에스티아이씨앤디에서는 고객이 수치해석을 직접 수행하고 싶지만 경험이 없거나, 시간이 없어서 용역을 통해 수치해석 결과를 얻고자 하는 경우 전문 엔지니어를 통해 CFD 컨설팅 서비스를 제공합니다. 귀하께서 당면하고 있는 연구프로젝트를 최소의 비용으로, 최적의 해결방안을 찾을 수 있도록 지원합니다.
상담에는 비용은 전혀 들지 않습니다.

CFD는 엔지니어가 공기, 물 또는 모든 유체와의 상호 작용을 이해할 수 있게 하는 매우 효과적인 기술로 대부분의 유동현상에 해답을 제시 할 수있는 막대한 잠재력을 가지고 있습니다.
다양한 유체 흐름 현상이나 온도 및 열전달 분석 등 필요한 시나리오에 대한 맞춤 솔루션을 제공합니다.

당사에는 20년 이상 수치해석 연구에 전념하고 있는 전문 연구인력과 다양한 기술적 경험과 전문 시뮬레이션 기술을 제공하는 숙련된 기술컨설팅팀이 준비되어 있습니다.
귀하의 프로젝트 성공 가능성을 기술시연을 통해 제공 할 수 있습니다.
프로그램 소개나 자문이 필요하신 분들은 언제든지 아래 연락처로 문의하시기 바랍니다.

  • 전화 :   02-2026-0455
  • Email : flow3d@stikorea.co.kr

컨설팅 형태

수치해석 의뢰

  • 고객이 당면한 문제를 분석 /검토/협의 후, 가장 적절한 수치해석 방법을 수립합니다.
  • 주로 상호 협의된 설계안 및 해석 조건에 대해 수치해석을 수행하여 결과를 도출 분석, 검토합니다.
  • 설계 변경 인자 및 해석 횟수는 고객과 협의하여 진행합니다. 수치해석 결과를 분석 검토하여 설계에 반영하기 위한 의견을 제시하여 드립니다.

해석 대행 의뢰

  • 고객사에 해석 프로세스가 정립되어 있는 경우에 대해, 계산 장비와 수치해석 인력을 이용하여 해석 대행 및 해석 결과물을 제출합니다.

컨설팅 절차

  • 해석 컨설팅을 저희에게 의뢰하시면, 상세한 상담 후 견적을 작성하여 보내 드립니다. 상담은 전화, 이메일, 방문 등의 방법으로 진행됩니다.
  • 계약이 체결된 후 수치해석을 위한 자료 및 데이터를 받아, 협의된 안으로 수치해석을 수행합니다.
  • 컨설팅 진행 과정 중에 수시로 해석 결과 및 진행 상황에 대해 연락 드리며, 변경, 수정 사항을 협의하여 반영할 수 있습니다.
  • 수치해석이 완료되면 최종 보고서를 작성하여 제출하며, 필요시 방문하여 결과를 상세히 설명 드립니다.
  • 수치해석 기술 전수가 포함된 계약일 경우, 최종 보고서 제출 이후에 기술 전수 교육을 진행합니다.
  • 모든 기술 자료는 대외비로 취급되며, 철저하게 보안을 유지해드립니다.

주요 컨설팅 의뢰 분야

수자원 분야

  • 댐체, 수문, 제반 구조물 안정성 검토
  • 댐, 여수로 유동 해석
  • 여수로 수위별 방류량 해석
  • 여수로 월류 및 수위 검토 해석
  • 발전소 취수로 유동 해석
  • 배수터널 방류향 해석
  • 취수탑 유입 유량 해석
  • 교각주위 세굴 해석
  • 수문 수차 유량 해석
  • 저수지 수위별 유동해석
  • 배수암거 부정류 해석
  • 저수지 연결 터널 유동 해석
  • 교각 유동 작용 힘 검토
  • 도수터널 통수 능력 해석
  • 부유사 확산 검토
  • 냉각수 취수로 유량 해석
  • 수문 유동 양상 분석
  • 배수터널 방류량 해석
  • 월류 수위별 유량 유속 해석

수처리 분야

Wastewater Treatment Plant
Wastewater Treatment Plant
  • 정수지 유동해석
  • 분배수로 유량분배 해석
  • 침전지 유동 및 유속 분포 해석
  • 반응조 농도 및 반응시간 해석
  • 응집지 유동해석
  • 하수처리시설 슬러지 농도 해석
  • DAF 응집제 농도 해석
  • 수조 최적 교반 해석
  • 여과지 유동해석
  • 혼화지 유동해석
  • 호기조 담체 거동해석
  • 수처리 구조물 유동 양상 분석
  • 하수처리시설 유동해석
  • 분말활성탄 접촉조 해석
  • PSBR 반응조 해석
  • 지하수 ICE RING 형성 해석
  • 절리면 모세관 열유동 해석
  • DAF 실증시설 부상조 해석
  • 착수정 유량 분배 해석

우주 항공분야

  • 발사체 탱크 슬로싱 댐핑 평가 해석
  • 항공기 비행 및 급유 시 연료 탱크 내부 유동 해석
  • 항공기 날개 연료 탱크 내부 유동 해석
  • 항공기 연료 탱크 내부 유동 해석
  • 추진체 관리 장치 내부 유동 해석
  • 엔진 및 터빈 노즐 내부 유동 및 캐비테이션 해석

자동차 분야

FLOW-3D POST Gears
  • 자동차 연료 탱크에 연료 주입 시 탱크 내부 유동 해석
  • 피스톤 쿨링젯 시스템 해석
  • 전착 도장 해석
  • 자동차 연료 주입구의 주입 유량별 유동 특성 분석
  • 기어 펌프의 로터 회전에 따른 오일 유동 양상 분석
  • 엔진 실린더 내 피스톤 운동과 배기가스 유동 패턴 해석
  • 베어링 내 윤활을 위한 오일의 유동 양상 해석

해양분야

  • 해양 컨테이너 연료 탱크 슬로싱 해석
  • 방파제 구조물 주변 유동 해석
  • 선박 운항에 따른 항주파 및 유동 특성 분석
  • 사석 방파제 등 구조물 주변 유동 해석
  • 진동수주형 파력 발전 구조물 최적화 모델 해석
  • 선박 및 부유체 계류 시 계류 안정성 및 계류력 해석
  • 발전소 부근 해역 온배수 영향 예측
  • 지진 해일에 의한 영향 해석

주조 해석 분야

  • 고압다이캐스팅  충진 거동 및 응고 해석
  • 저압주조 충진 거동 및 응고 해석
  • 경동주조 충진 거동 및 응고 해석
  • 중력주조 충진 거동 및 응고 해석
  • 원심주조 충진 거동 및 응고 해석
  • 금형온도 분포 해석
  • 제품 및 금형 열응력, 변형 해석
  • 주조 공법 별 온도 분포, 산화물 분포 및 결함 분석
  • 금형 및 몰드 냉각방안 최적화 검토

Micro/Bio/Nano Fluidics 분야

  • Slit 및 Slot 코팅 해석
  • Roll 코팅 해석
  • Gravure / Gravure-offset 프린팅 해석
  • Curtain 코팅 해석
  • Multi-layer Slide 코팅 해석
  • 전기 삼투를 이용한 마이크로 펌프 전위 및 유동해석
  • 마이크로 채널 액적 생성 연속성 및 혼합 해석
  • 잉크젯 헤드 조건에 따른 잉크 분사 성능 해석
  • 열모데관 유동해석과 모세관 충진 해석
  • 유전 영동 현상을 이용한 액적 융합 해석

레이저 용접 분야

  • 이종재 레이저 용접 해석
  • 용접속도와 경사도에 따른 키홀 내부의 기공 거동 해석
  • 이종재의 레이저 용접 시 wobbling 해석
  • 레이저 용접 Melt Pool 거동 해석
  • 레이저 파워, 속도에 따른 balling 결함 영향 해석

공기/열 흐름 분야 (HVAC System Designs)

HVAC(난방, 냉방 및 환기)시스템 엔지니어가 고려해야 하는 최적 설계 배치에 대한 검토를 수행

발전소의 경우 대형(길이 90m, 너비 33m, 높이 26m)건물로 변압기, 전력선, 조명 등 열 발생 장비를 갖추고 있어서 여러가지 시설물의 상황을 고려할 수 있음

건물 내 공기를 올바르게 분배하고 적절한 쾌적한 온도를 확보하기 위해 건물 구조와 흡입그 크기 등의 검토 가능

컨설팅 절차

컨설팅 절차

  • 해석 컨설팅을 저희에게 의뢰하시면, 상세한 상담 후 견적을 작성하여 보내 드립니다. 상담은 전화, 이메일, 방문 등의 방법으로 진행됩니다.
  • 계약이 체결된 후 수치해석을 위한 자료 및 데이터를 받아, 협의된 안으로 수치해석을 수행합니다.
  • 컨설팅 진행 과정 중에 수시로 해석 결과 및 진행 상황에 대해 연락 드리며, 변경, 수정 사항을 협의하여 반영할 수 있습니다.
  • 수치해석이 완료되면 최종 보고서를 작성하여 제출하며, 필요시 방문하여 결과를 상세히 설명 드립니다.
  • 수치해석 기술 전수가 포함된 계약일 경우, 최종 보고서 제출 이후에 기술 전수 교육을 진행합니다.
  • 모든 기술 자료는 대외비로 취급되며, 철저하게 보안을 유지해드립니다.

컨설팅 분야

수자원 분야

  • 댐체, 수문, 제반 구조물 안정성 검토
  • 댐, 여수로 유동 해석
  • 여수로 수위별 방류량 해석
  • 여수로 월류 및 수위 검토 해석
  • 발전소 취수로 유동 해석
  • 배수터널 방류향 해석
  • 취수탑 유입 유량 해석
  • 교각주위 세굴 해석
  • 수문 수차 유량 해석
  • 저수지 수위별 유동해석
  • 배수암거 부정류 해석
  • 저수지 연결 터널 유동 해석
  • 교각 유동 작용 힘 검토
  • 도수터널 통수 능력 해석
  • 부유사 확산 검토
  • 냉각수 취수로 유량 해석
  • 수문 유동 양상 분석
  • 배수터널 방류량 해석
  • 월류 수위별 유량 유속 해석

수처리 분야

  • 정수지 유동해석
  • 분배수로 유량분배 해석
  • 침전지 유동 및 유속 분포 해석
  • 반응조 농도 및 반응시간 해석
  • 응집지 유동해석
  • 하수처리시설 슬러지 농도 해석
  • DAF 응집제 농도 해석
  • 수조 최적 교반 해석
  • 여과지 유동해석
  • 혼화지 유동해석
  • 호기조 담체 거동해석
  • 수처리 구조물 유동 양상 분석
  • 하수처리시설 유동해석
  • 분말활성탄 접촉조 해석
  • PSBR 반응조 해석
  • 지하수 ICE RING 형성 해석
  • 절리면 모세관 열유동 해석
  • DAF 실증시설 부상조 해석
  • 착수정 유량 분배 해석

우주 항공분야

  • 발사체 탱크 슬로싱 댐핑 평가 해석
  • 항공기 비행 및 급유 시 연료 탱크 내부 유동 해석
  • 항공기 날개 연료 탱크 내부 유동 해석
  • 항공기 연료 탱크 내부 유동 해석
  • 추진체 관리 장치 내부 유동 해석
  • 엔진 및 터빈 노즐 내부 유동 및 캐비테이션 해석

자동차 분야

FLOW-3D POST Gears
  • 자동차 연료 탱크에 연료 주입 시 탱크 내부 유동 해석
  • 피스톤 쿨링젯 시스템 해석
  • 전착 도장 해석
  • 자동차 연료 주입구의 주입 유량별 유동 특성 분석
  • 기어 펌프의 로터 회전에 따른 오일 유동 양상 분석
  • 엔진 실린더 내 피스톤 운동과 배기가스 유동 패턴 해석
  • 베어링 내 윤활을 위한 오일의 유동 양상 해석

해양분야

  • 해양 컨테이너 연료 탱크 슬로싱 해석
  • 방파제 구조물 주변 유동 해석
  • 선박 운항에 따른 항주파 및 유동 특성 분석
  • 사석 방파제 등 구조물 주변 유동 해석
  • 진동수주형 파력 발전 구조물 최적화 모델 해석
  • 선박 및 부유체 계류 시 계류 안정성 및 계류력 해석
  • 발전소 부근 해역 온배수 영향 예측
  • 지진 해일에 의한 영향 해석

주조 분야

  • 고압다이캐스팅  충진 거동 및 응고 해석
  • 저압주조 충진 거동 및 응고 해석
  • 경동주조 충진 거동 및 응고 해석
  • 중력주조 충진 거동 및 응고 해석
  • 원심주조 충진 거동 및 응고 해석
  • 금형온도 분포 해석
  • 제품 및 금형 열응력, 변형 해석
  • 주조 공법 별 온도 분포, 산화물 분포 및 결함 분석
  • 금형 및 몰드 냉각방안 최적화 검토

Micro/Bio/Nano Fluidics 분야

  • Slit 및 Slot 코팅 해석
  • Roll 코팅 해석
  • Gravure / Gravure-offset 프린팅 해석
  • Curtain 코팅 해석
  • Multi-layer Slide 코팅 해석
  • 전기 삼투를 이용한 마이크로 펌프 전위 및 유동해석
  • 마이크로 채널 액적 생성 연속성 및 혼합 해석
  • 잉크젯 헤드 조건에 따른 잉크 분사 성능 해석
  • 열모데관 유동해석과 모세관 충진 해석
  • 유전 영동 현상을 이용한 액적 융합 해석

레이저 용접 분야

  • 이종재 레이저 용접 해석
  • 용접속도와 경사도에 따른 키홀 내부의 기공 거동 해석
  • 이종재의 레이저 용접 시 wobbling 해석
  • 레이저 용접 Melt Pool 거동 해석
  • 레이저 파워, 속도에 따른 balling 결함 영향 해석

HVAC System Designs

HVAC(난방, 냉방 및 환기)시스템 엔지니어가 고려해야 하는 최적 설계 배치에 대한 검토를 수행

발전소의 경우 대형(길이 90m, 너비 33m, 높이 26m)건물로 변압기, 전력선, 조명 등 열 발생 장비를 갖추고 있어서 여러가지 시설물의 상황을 고려할 수 있음

건물 내 공기를 올바르게 분배하고 적절한 쾌적한 온도를 확보하기 위해 건물 구조와 흡입그 크기 등의 검토 가능

FLOW-3D CAST 사양

FLOW-3D CAST Feature

CAST virtual foundry conference banner

Active Simulation Control

실행중인 해석의 제어 파라미터는 History probes에서 사용자가 정의한 조건에 따라, 런타임 동안에 자동으로 변경 될 수 있습니다. History probes에 의해 기록된 시뮬레이션 변수는 경계 조건, mass source 및 General Moving Object 기능을 이용하여, 시간에 따른 개체의 동작을 제어하기 위해 사용될 수있습니다. 예를 들어, 고압다이캐스팅 해석에서 게이트에 설정한 History probes에 유체가 도달하면, 그 정보를 캡처하는 데이터 출력 주파수를 증가시켜 플런저의 속도를 고속으로 자동 전환 될 수있습니다. 고압다이캐스팅 해석은 유체가 게이트에 도달 할 때 자동으로 고속 전환됩니다. 이 프로세스는 새로운 실행 시뮬레이션 제어 기능을 통해 자동으로 진행됩니다. 저속 구간에서 플런저의 움직임은 trigger 슬리브의 용융물에 혼입되는 공기의 양을 최소화하기 위해 Barkhudarov 방법 1을 사용하여 계산됩니다. 이 결과는 훨씬 더 높은 품질의 주조품이 나올수 있도록 설계하는데 도움이 될 수 있습니다. Read the development note > Read the blog post >

Batch Postprocessing & Report Generation

Batch 후처리 및 보고서 생성은 해석 결과 분석시 사용자의 해석 처리 시간을 절약하기 위해 개발되었습니다. Batch 후처리는, 해석이 완료된 후, 사용자가 애니메이션, 시나리오, 그래프, 텍스트 데이터 시리즈를 정의하여 자동으로 생성되도록 할 수 있습니다. 그래픽 요청은 백그라운드에서 FlowSight를 실행하여 처리되도록 FLOW-3D Cast에 정의되어 있습니다. 원하는 해석 결과를 생성할 수 있는 컨텍스트 파일을 사용하면 Batch 후처리 기능을 사용할 수 있습니다. Batch 후처리가 완료되면, 사용자는 쉽게 자신의 관리자, 동료, 또는 클라이언트에 보낼 수있는 HTML5 형식의 완벽한 기능을 갖춘 보고서를 만들 수 있습니다. 이미지 및 동영상도 보고서에 포함 할 수 있고, 사용자는 텍스트, 캡션, 참고 문헌의 형식을 완벽하게 제어 하고 유지할 수 있습니다. Read the blog post >

Metal Casting Models

Squeeze Pin Model

스퀴즈 핀은 주조시 주입 공급이 어려운 영역에서, 응고하는 동안 금속 수축을 보상하기 위해 사용되는 실제의 다이 캐스팅 머신의 동작을 모델링하는 해석을 할 수 있습니다. 스퀴즈 핀은 선택된 표면에 cylinderical squeeze pin을 추가하여, STL 파일 또는 대화식으로 생성 될 수 있습니다. Read the development note >

Intensification Pressure Model

새로운 플런저 타입 형상이 추가 되었습니다. 강화된 압력 조건으로 macro-shrinkage 와 micro-porosity 제거를 지정할 수 있습니다.

Thermal Die Cycling model

FLOW-3D Cast v4.1's full process thermal die cycling model

다이싸이클링 (Thermal die cycling, TDC) 모델에 새로운 두 가지의 단계가 추가되었습니다. 금형이 열린 상태에서 제품이 여전히 금형 내부에 있는 ejection 단계와, 금형이 닫혔지만 사출 바로전의 preparation 단계가 추가되었습니다. 또한, 마지막 싸이클만이 아닌 모든 금형 싸이클 모두 수렴된 결과를 전달하기 위해 TDC 솔버가 성능 손실 없이 최적화 되었습니다. Read the blog post >

Valves and Vents

Modeling valves and vents in FLOW-3D Cast v4.1

밸브와 밴트의 외부 압력과 온도는 이제 사용자가 다이 캐스팅 공정에서 충진중에 보다 실제적인 동작을 정의 할 수 있도록, 시간의 표 함수로서 정의 할 수있습니다. 밸브 및 벤트의 압력 및 온도는 프로세스 설계 단계에서 유용한 제품 내부에 설정된 프로브에 의해 제어 될 수 있습니다.

PQ2 Diagram

PQ2다이어그램의 사용은 사용자가 더 나은 슬리브의 플런저 실제 움직임과 유사하게 적용 할 수 있습니다. 새로운 기능은 실제 공정 변수가 아직 알려져 있지 않았을 때 다이캐스팅 설계 단계 중에 특히 유용합니다. Read the blog post >

Cooling Channels

냉각 채널은 금형 각각의 냉각 유로에 의해 제거되거나 추가된 열의 총량에 의해 제어 될 수 있습니다. Read the development note >

Air Entrainment Model

Air entrainment 모델에 compressibility를 입력하는 새로운 옵션이 추가되었습니다. 고압 다이캐스팅의 충진 공정과 같은 경우, 공기 압축성은 유체 압력의 변화로 인한 유체의 흐름에 중요한 인자가 됩니다.
 

Cavitation Model

캐비테이션 모델은 유동 조건의 더 넓은 범위에 걸쳐 유체의 캐비테이션 거동을 나타내도록 개선되었습니다. 캐비테이션 생성에 대한 새로운 옵션은 경험적 관계를 기반으로, 기존의 일정한 속도로 생성되는 방식에서 보완되었습니다. 새로운 passive gas model 옵션은 open bubbles이 아닌 유체내에 cavitationg gas를 추적하여, 계산에 필요한 격자와 계산시간을 줄일 수 있습니다. Read the development note >

Two-fluid Phase Change Model

Two-fluid phase change model 은 과냉각을 포함하도록 확장되었습니다. 일정한 과냉각 온도를 정의하고 가스 온도가 응축이 일어나기 전에 포화점 이하로 내려갈 수 있게 함으로써 구현됩니다.

Simulation Results and Analysis

Simulation Results File Editor

사용자가 FLOW-3D Cast v4.1 결과 파일들을 병합 및 제거 할 수 있는 편집 유틸리티

Linking flsgrf.* files

Restart 해석 결과 파일들(flsgrf.*)은 FlowSight 에서 하나의 연속적인 애니메이션 결과를 표시하기 위해 restart source 결과로 링크될 수 있습니다.

Fluid/wall Contact Time

A new spatial quantity has been added to the solution output that stores the time that metal spent in contact with each geometric component, as well as the time spent by each component with metal.

용탕이 각 geometry 컴포넌트를 접촉한 시간과 각 컴포넌트가 용탕과의 접촉 시간을 나타내는 새로운 공간적 양이 해석 아웃풋에 추가 되었습니다.

Performance and Usability

Calculators

열전달 계수, 열 침투 깊이, 밸브 손실 계수, 슬리브에 용탕량(깊이), 플런저의 속도를 계산할 수 있는 Calculators 기능이 Model Setup 창에서 바로 가능해졌습니다. 또한 유틸리티 메뉴에서도 가능합니다.

Thermal Die Cycling

Heat transfer database in FLOW-3D Cast v4.1

열전달 계수 데이터베이스와 각 싸이클 단계들이 입력되어있어 간편하게 다이싸이클링 해석을 하실 수 있습니다.

GMRES Pressure Solver

GMRES pressure solver의 속도가 솔버 데이터 구조의 최적화로 인해 2배까지 향상되었습니다. 이로 인해 메모리 사용량이 20% 미만으로 증가할 수 있습니다. Read the blog post >

Sampling Volumes

Sampling volume 기능은 STL로 정의할 수 있습니다. 각 sampling volume에 의해 계산된 양들의 목록은 유체의 부피, 최대/최소 온도, 파티클의 갯수와 같은 전체 해석 영역에 대해 모두 같은 양이 되도록 확장되었습니다.

 

FSI/TSE Model

구조분석 모델의 성능이 부분적인 coupling으로 해석 솔버의 병렬화와 최적화를 통해 향상되었습니다.

Workspaces

Workspaces 를 이전에 설치된 FLOW-3D에서 가져올 수 있습니다. Workspaces 와 사용자가 선택한 시뮬레이션들을 복사할 수 있습니다.

Expanded Simulation Pre-check

Simulation pre-check 기능은 preprocessor checks를 포함하고, 문제가 발생하는 경우 링크됩니다.

Improved Transparency

Depth-peeling 옵션은 transparent geometries 를 좀 더 잘 표현하고, v4.0보다 10배 빨라졌습니다.

Interactive Tools

Baffles, history probes, void/fluid pointers, valves, mass-momentum sources, squeeze pins에 대한 새로운 대화형 생성 기능이 추가되었습니다. 또한 probing과 clipping 도구들이 대화형으로 개선되었습니다.

General Enable/Disable

모든 objects (e.g., mesh blocks)은 활성화/비활성화 할 수 있습니다.

Estimated Remaining Simulation Time

솔버 메세지 파일에 short-print로 추정된 잔여 해석 시간이 추가 되었습니다.

Tabular Data

테이블 형식의 데이터에서 선택된 데이터를 마우스 오른쪽 버튼을 클릭하여 csv파일 또는 외부 파일에 복사, 저장할 수 있습니다.

1 23-10 Michael R. Barkhudarov, Minimizing Air Entrainment, The Canadian Die Caster, June 2010

물리 모델 소개

FLOW-3D 는 고도의 정확성이 필요한 항공, 자동차,  수자원 및 환경, 금속 산업분야의 세계적인 선진 기업에서 사용됩니다.

FLOW-3D의 광범위한 다중 물리 기능(multiphysics )은 자유 표면 흐름, 표면 장력, 열전달, 난류, 움직이는 물체, 단순 변형 고체, 전기 기계, 캐비테이션, 탄/소성, 점성, 가소성, 입자, 고체 연료, 연소 및 위상 변화를 포함합니다.
이러한 모델은 FLOW-3D를 사용하는 사용자들이 기술 및 과학의 광범위한 문제를 해결하도록 설계를 최적화하고 복잡한 프로세스 흐름에 대한 통찰력을 얻을 수 있도록 합니다.

flow-3d-multiphysics-model
Physics Models
Flow/Fluid Modes

Materials Databases

  • Fluids Database
  • Solids Database

매우 정확한
시뮬레이션 결과

FAVOR, 으로 알려진 특별한 메쉬 프로세스는 데카르트 구조의 단순함을 유지하면서 복잡한 형상을 효율적으로 구현합니다.

Optimized Setup
and Workflow

TruVOF 표면 추적 방법은 유동시뮬레이션을 위해 알려진 유체 체적을 사용하는 동안 가장 높은 정확도를 제공합니다.

FlowSight
Postprocessing

산업계에서 최고의 시각화 postprocessor인 FlowSight 는 사용자에게 2차원 및 3차원에 대한 심층 분석 기능을 제공합니다.

 

Die Erosion Defects (다이캐스팅 금형침식 및 결함)

Die Erosion Defects (다이캐스팅 금형침식 및 결함)

FLOW-3D는 고압 다이캐스팅의 충진해석 시 공동현상(cavitation)으로 인한 금형 침식 결함(die erosion defect)을 정확히 예측할 수 있습니다. 충진 시 매우 빠른 유동 면에서 용탕압력(Metal pressure)가 금형재료의 증기압(metal vapor pressure) 아래 떨어질 수 있습니다 이는 공동현상과(cavitation)과 침식(erosion)을 일으키게 됩니다. 공동현상으로 인한 침식결함을 예측하는 간단한 방법은 실제로는 공동현상을 재현하지 않고 공동현상의 가능성을 예측하는 것 입니다. FLOW-3D는 cavitation pressure와 국지적인 용탕 압력의 차이를 관찰함으로써 잠재적으로 공동현상(cavitation)이 나타날 수 있는 영역을 계산할 수 있습니다. 지정된 어떤 위치에서 캐비테이션 이나 금형 부침식에 대한 가능성은 이 두 압력의 차이가 큰 경우에 존재하는 것으로 해석됩니다. 금형 침식이 가장 있을 만한 곳의 신뢰할 수 있는 지표는 이 차이가 가장 큰 값을 가지는 국소적인 “hot spot” 입니다.

항공/우주 분야

Aerospace

항공 우주 분야에서 연구하는 엔지니어를 위해 FLOW-3D는 정확한 액체/가스 인터페이스(자유 표면) 모델링, 열 솔루션을 사용하여 연료 안정성 확보, 극저온 온도 조절, PMD(Propellent management devices), 캐비테이션 및 전하 분포에 대한 귀중한 통찰력을 제공합니다. 위상 및 정전기 물리 모델을 사용합니다.

항공 우주 분야에서 FLOW-3D의 성공적인 사용을 보여주는 기술 문서로 이동하기

Aerospace Simulations

FLOW-3D sloshing, 무중력 유체역학(zero gravity fluid dynamics), 다상유동(multi-phase fluids), 탄성 멤브레인(elastic membranes), 음속 및 초음속 상태에서 노즐(nozzles in subsonic and supersonic conditions), 유체구조의 상호 작용(fluid structure interactions) 등 항공분야에서 볼 수 있는 자연현상을 정확하게 표현하기 위해 자유표면 알고리즘을 고려하고 있습니다.

Bibliography

Models

Conference Proceedings


관련 기술자료

planar representation (cross-section at tank centre).

Analysis of cryogenic propellant behaviour in microgravity and low thrust environments*

미세 중력 및 저 추력 환경에서 극저온 추진체 거동 분석 M.F. Fisher, G.R. Schmidt and J.J. MartinNASA Marshall Space Flight ...
더 보기
Figure 2.1. Test Setup.The test setup consists of a clear plastic scale model tank attached to a rigid aluminum frame by three multi-axis load cells driven by a position-controlled servo hydraulic system.(Data acquisition cabling removed for clarity).

Coupled Simulation of Vehicle Dynamics and Tank Slosh. Phase 1 Report. Testing and Validation of Tank Slosh Analysis

Prepared byGlenn R. WendelSteven T. GreenRussell C. Burkey Abstract: 차량 동력학의 컴퓨터 시뮬레이션은 차량 설계에서 귀중한 도구가 되었다. 그러나 그들은 ...
더 보기
Capsule-type Vane Tank

Numerical Simulation Analysis of Liquid Transportation in Capsule-type Vane Tank under Microgravity

Microgravity 하에서 캡슐형 베인 탱크의 액체 수송에 대한 수치 시뮬레이션 분석 Abstract Li Yong-Qiang1,2 & Dong Jun-Yan1 & Rui Wei1Received: ...
더 보기
FIGURE 1. - FLOW-3D MODEL OF K-SITE TANK PRESSUR-IZATION.

Prediction of the Ullage Gas Thermal Stratification in a NASP Vehicle Propellant Tank Experimental Simulation Using FLOW-3D

FLOW-3D를 사용한 NASP 차량 추진 탱크 실험 시뮬레이션에서 Ullage 가스 열 층화 예측 Personal AuthorHardy, T. L.; Tomsik, T. M ...
더 보기

Comparison of FLOW-3D calculations with very large amplitude slosh data

매우 큰 진폭 슬로시 데이터와 FLOW-3D 계산 비교 소속 표시 : Sicilian, J. M.;Tegart, J. R. Abstract 액체 모션 및 ...
더 보기
Figure 3-3 E200U+ PMD sponge draining

CORRELATIONS BETWEEN NEUTRAL BUOYANCY TESTS AND CED

Abstract NEUTRAL BUOYANCY 테스트는 표면 장력 장치의 기능 검증을 위해 Matra Marconi Space에서 잘 알려진 테스트 기능입니다. 새로운 Eurostar 3000 ...
더 보기
FIG. 4: The RF of a lopsided neckpinch geometry through the Type-1 singularity using surgery and yielding the geometry as a direct product of two 3-spheres. We use axial symmetry of our model to suppress one dimension and the resulting two-lobed geometry can be visualized in Euclidean 3-space (our evolution was fortunately isometrically embeddable in R 3 ). The middle 3’rd and 4’th figure occur at the same time (t = 183.0) in the evolution. They illustrate the explicit manifold surgery, where the spherical caps (two icosahedrons )are placed on the ends of the left and right lobes. This is the first numerical illustration of Thurston’s geometrization procedure that we are aware of. This surface has 3438 edges, 1580 triangle-based frustum blocks and 960 vertices, although symmetry reduces the number of edges to 80 icosahedral {si} edges and 79 axial {ai} edges.

A Realization of Thurstons Geometrization: Discrete Ricci Flow with Surgery∗

Paul M. Alsing1, Warner A. Miller2† & Shing-Tung Yau31 Air Force Research Laboratory, Information Directorate, Rome, NY 134412 Department of ...
더 보기
Figure 10.—Temperature contour time sequence for an EDS scale propellant tank at a jet mixing velocity of 0.06 m/s.

Computational Fluid Dynamics (CFD) Simulations of Jet Mixing in Tanks of Different Scales

NASA/TM—2010-216749 Kevin Breisacher and Jeffrey ModerGlenn Research Center, Cleveland, Ohio Prepared for the57th Joint Army-Navy-NASA-Air Force (JANNAF) Propulsion Meetingsponsored by ...
더 보기
aerospace-sloshing-simulation

Aerospace Sloshing Dynamics

Sloshing Dynamics 우주선의 연료 탱크에서 추진체의 움직임에 대한 지식은 작동 및 성능의 다양한 측면을 이해하는 데 필수적입니다. 추진체 운동은 액체 ...
더 보기
유압 헤드 계산에서는 유선이 평행하다고 가정

FLOW-3D Output variables(출력 변수)

Output variables(출력 변수) FLOW-3D에서 주어진 시뮬레이션의 정확한 출력은 어떤 물리적 모델, 출력 위젯에 정의된 추가 출력 및 특정 구성 요소별 ...
더 보기